网络仿真底座，然后分布式调度、推理引擎、时序信号工具链、数据流水线、硬件适配层，层层展开。”
“具体的内容稍后我会整理出来给到您。”
陈星对成文飞的状态非常满意，这就是大牛的厉害之处。
他能总揽整个项目，不同的项目，不同的分工，不同的方向，都是由他进行分配。
也可以称之为总工程师。
说到这里，成文飞犹豫了一下，看了一眼陈星。
陈星也看出他似乎有什么话要说，主动问道：“成教授，你加入红星，那么咱们就是一家人，有什么话都可以畅所欲言的。”
“是方向有问题还是说其他的？”
听到陈星这么说，成文飞深吸一口气，鼓起勇气说道：“陈总，过去几年我一直在想一个问题，目前大家都在做窄模型，也就是语音一套，做图像另一套网络，模型不能互相复用。”
“做的都是大规模神经网络、大型深度网络、无监督预训练网络，准确的来说是先用大量无标注数据学通用特征，再拿少量标注数据适配具体任务，Bengio、Hinton都做过相关研究。”
“我就在想，那么可不可以做一套巨型神经网络底座，在海量无标注公开数据上做无监督预训练，学习通用世界知识，之后不需要完整重训，简单适配，就可以处理语言、对话、图像推理等大量不同任务。”
“它可以拥有巨大参数量、海量训练语料、足够强悍的并行算力，或者说我们这个模型不是为某一个单一功能写死，而是先学常识，再去解决任务。”
“最后实现能自然对话、逻辑推理，接近人的认知。”
说完以后，成文飞观察着陈星的表情，结果发现这位新老板脸上充满了惊讶，于是赶紧补充道，“陈总，我知道现在不可能直接实现成品，这也只是我的一个想法，但我们可以提前把所有底层基础设施全部搭建完成。”
“这是我们长远目标，目标。”
“现在可以为这个目标做好地基。”
陈星此时此刻内心处在狂喜之中，成文飞不愧是成文飞。
他说的是大规模神经网络，大型深度网络。
这些词在未来有一个更加准确的称呼。
叫做大模型！
2013年啊，成教授就已经有大模型的概念，通用模型的模糊概念了！
“不不不，成教授，你说的也是我想说的，我的设想就是构建一个规
本章未完，请点击下一页继续阅读！