江倾等笑声稍歇，继续分享。
“当然，光有思路还不够，还得有个好身板。我们给万象设计了一个新的大脑结构，名为MLA，即多维层级注意力机制。”
他点了点自己的太阳穴。
“这个新结构，效率更高，相当于用更小的脑容量，即参数，干更多的活儿，表现还更好。我们并没有一味地去堆砌参数，追求那个吓人的数字。”
李彦弘闻言，身体微微前倾，眼神认真。
参数规模一直是衡量大模型能力的关键指标之一，无问科技另辟蹊径，在算法与架构优化上取得突破，这意味着更低的训练推理成本，以及更广阔的应用前景。
他低声对身边的马化藤惊叹。
“如果这是真的，商业化的潜力太大了！”
马化藤面色凝重地点点头，手指无意识地在扶手上敲击，快速计算着这其中的影响。
“还有数据。”
江倾的分享并没有停下。
“大家都知道，训练AI需要海量的数据，但不是所有数据都是优质营养。我们的方法呢，更像是炼数据而不是堆数据。”
他做了一个提炼的动作。
“我们有一套技术，能自动从数据的海洋里，把那些最有价值、最精华的片段像淘金一样筛出来，专门喂给模型。这样训练效率自然就大大提升了。”
张一铭听到这里，忍不住深吸了一口气。
数据清洗与标注一直是AI训练中耗时耗力最大的环节之一，无问科技的方法如果真能高效自动化这个过程，价值不可估量。
“最后是工程实现。”
江倾的语气里透着自豪。
“我们的团队搞了个超级工厂流水线，用了诸如3D并行、INT4量化这些技术……”
他看到台下有不少人露出迷茫的表情，立刻笑着摆手。
“好吧，说人话就是，我们想办法让成千上万的显卡更高效地协同工作，减少浪费，让计算速度更快，同时还能省电省成本。这样最终出来的产品，大家用起来才会觉得又快又便宜嘛。”
他用最朴素的语言解释了极其复杂的工程优化，让非专业观众也能理解其带来的好处。
更低的延迟，更低的成本。
台下，来自全球顶尖科技公司与研究机构的工程师、专家学者，已经听得如痴如醉，不时发出低声的惊叹。
“只以最终答案正确性作为奖励……这太大胆了！”
“MLA架构？从来没听过，
本章未完，请点击下一页继续阅读！