開局賣掉老爹公司，科技稱霸世界 第580章 最後的準備！準備就緒！

時間很快，就到了星海科技釋出會的前兩天。

這天，星海科技在做釋出會前最後的準備。

首先是釋出會現場，此時已經全部佈置完成了。

接下來隻需要對現場的設備進行調試，冇有問題後就可以了。

這次的釋出會還是和以前一樣，會通過線上和線下同時舉行。

不過與之前不一樣的是，星海科技這次準備完全使用手機進行直播。

而直播使用的手機，就是最新款的榮譽手機。

當然了，在釋出會結束之前，不管是參加釋出會的線下觀眾，還是觀看釋出會直播的網友，都不會知道。

星海科技這樣做，除了展示榮譽手機出色的效能。

同時，也是為了給觀眾們一個驚喜。

在視頻拍攝領域，其實國產的手機並冇有什麼優勢。

所以一般情況下，開直播都是使用的平果手機。

但是榮譽手機如今在視頻拍攝領域已經取得了突破。

如果這次可以順利的把現場直播進行下去，還表現非常出色的話。

絕對可以證明榮譽手機在直播和拍攝領域穩定和高超的效能。

這也是週末想起來，最簡單直接證明榮譽手機拍攝效能的方法了。

第二個準備好的就是榮譽手機了。

由於星海科技的晶片工廠搭建進度晚了一點，所以導致在釋出會前的最後一個月，星海科技的晶片工廠才完成晶片生產。

雖然時間上看似有點著急，其實完全來得及。

星海科技的晶片工廠的晶片生產速度可是要比台積電快的多。

而榮譽手機這邊，其他零部件都準備好了。

所以當星海科技的晶片工廠把晶片生產出來，把晶片運輸到躍龍集團，很快就生產出了一台榮譽手機。

到目前為止，榮譽手機公司一共準備了500萬台的各種類型的榮譽手機。

其中有直板機，也有摺疊屏。

榮譽手機公司這次準備的其實不是太多，主要原因還是擔心用戶對於他們的手機價格接受不了。

摺疊屏天生就比較貴，願意買的也少。

就算榮譽的摺疊屏手機已經解決了摺疊屏的痛點。

但是依然會有很多人不會購買這樣的手機。

除此之外，榮譽手機的直板機，配置也拉滿了。

到時候，價格肯定不會便宜。

榮譽手機公司在以前，成立是為了和黑米打擂台。

所以榮譽手機突然走高階市場，很多人可能並不會認可。

不過，星海科技這次釋出會準備由真正的實力讓對方認可！

而且，這些後麵生產的晶片，效能相對於趙鵬拿走的進行測試的晶片會更加穩定和強悍。

這是因為在晶片工廠搭建好之前，星海科技是借用楊英宇他們的場地進行的測試生產。

在那個時候，生產出來的晶片效能要低一些。

但是僅僅是那次測試的晶片，就已經要領先目前市麵上的晶片效能了。

而在星海科技晶片工廠搭建好之後，晶片效能更加強悍，也就意味著榮譽手機的效能更加強悍。

週末相信，就算是不喜歡榮譽手機的人。

在得知榮譽手機的效能後，肯定也會為之刮目相看。

接下來，就是顯卡和星雲聊天機器人了。

在目前市麵上，還冇有太多公司發現顯卡的重要性。

也冇有人意識到，顯卡是大模型訓練非常重要的一個關鍵點。

不過，隻要星海科技在釋出會上推出了星雲聊天機器人。

週末再介紹如何對聊天機器人進行訓練後。

週末相信，購買他們公司先開的肯定會樂繹不絕。

顯卡對於大模型至關重要，是大模型訓練與部署的基石。

顯卡可以提供強大並行計算能力。

AI模型訓練本質上是大量矩陣乘法和張量計算。

與傳統CPU相比，GPU能夠並行處理數以千計的計算任務。

其通過成百上千個CUDA核心並行處理，在矩陣運算上效率遠超CPU。

例如，一張NVIDIAA100顯卡的浮點運算能力可達312TFLOPS，是傳統高階CPU的幾十倍。

大模型的參數和訓練數據往往無法裝載在一塊顯卡的顯存中，需要藉助多GPU集群進行訓練。

此時，顯卡的通訊效能成為影響訓練效率的關鍵。

支援多卡並行的顯卡架構，如NVIDIA的NVLink技術，使得多GPU之間的通訊延遲大幅降低，模型切分更加高效。

為了滿足大模型對顯存的高需求，AI大模型通常需要占用大量顯存。

例如，訓練一個130B參數規模的語言模型，至少需要每卡80GB以上的顯存，否則很難存儲前向傳播和反向傳播的梯度數據。

高階GPU和消費級GPU都在支援模型訓練方麵發揮著不同程度的作用。

模型訓練完成後，進入推理部署階段，雖然對算力的要求相對較低，但響應速度、併發請求能力、功耗等因素對GPU提出了新的要求。

例如利用INT8量化後，GPT-3模型能在僅16GB顯存的顯卡上運行，極大降低了對硬體的依賴。

目前市麵上，最先進的顯卡就是星海科技的顯卡。

當然了，星海科技在最初，使用的還是英偉達的顯卡。

週末通過自己的指點，讓研發人員提前好幾年研發出了用更少的算力來實現大模型的訓練。

這在後來，也是非常恐怖的發現。

因為要知道，那個時候，阿美莉卡都準備對全球輸出算力了。

可是最終，在2025年初的時候，直接被東大的DS給打懵了。

DS-V3是DS於2024年12月26日釋出的模型，其基座模型采用了混合專家機製，總共有6710億參數。

該模型在2048塊英偉達H800GPU集群上完成訓練，在阿美莉卡數學競賽和全國高中數學聯賽上大幅超過其他所有開源閉源模型，生成吐字速度從20TPS大幅提高至60TPS。

DS-R1是基於DS-V3Base基座模型，通過純強化學習方法訓練出來的推理模型。

DeepSeek團隊僅用29.4萬美元和極短的訓練時間就訓練出了該模型，極大地降低了頂級AI模型的研發門檻。

DS最終證明瞭，訓練大模型根本不需要這麼多功能強大的顯卡！

DS訓練大模型使用的算力，隻是Meta的1\/11，甚至十分之一都不到。

但是DS的效能卻趕上了世界先進水平。

不過其他公司並不知道這種情況。

這就給了星海科技收割其他科技公司的機會！

星海科技這次可不會手軟的！