第(2/3)页

    模型的设计，理念的提出，只在早期可以起到如此显著的效果。

    越到后面，其实高质量的数据会起到更加关键的作用。

    “所以你基本上完全否定了小模型的价值？”李彦弘对这个观点，不敢苟同。“在我看来，小模型和移动端模型与智能，是有非常广大的市场和前景的。”

    “这取决于具体的应用场景，终端的智能究竟做什么用途，是否可以稳定联网。如果只是最简单的图像分类和检测，又在无法稳定联网的情况下，当然还是具有一定的价值。”

    “比如自动驾驶场景。”孟繁岐补充道，“我怎么会否定小模型的价值呢，作为研究算法的程序员，我相当关注具体模型和技术的精确度和运行时间。”

    孟繁岐从包中掏出了几张检测算法的实验记录表格，“李总，你可以看看我过去几个月的实验结果。我是在十分了解小模型加速优化的情况下做出的判断，而跟您谈合作，我也不是只靠着一个竞赛的冠军。”

    imagenet竞赛才刚刚结束没多久，生成式对抗网络这么爆炸的创意，论文也刚刚发布出来，这小子竟然还有时间和精力去搞其他的研究？图像的检测算法？

    不得不承认，李彦弘被震惊了，但很快他就发现自己还震惊早了。

    这特么是什么恐怖的结果？在检测准确度有质的飞跃的同时，模型的运行推理速度竟然是现在顶尖算法的一百多倍？？

    你不是在跟我开玩笑吧？这个结果肯定有问题。

    李彦弘是精通计算机技术的人，正因为如此，他一时间根本想不出好的办法，甚至好的可能性来解释这个夸张结果的原理又或者是可行性。

    语音和图像检测是白度现在主力在搞的技术，他甚至为之组建了华国第一个专攻这方面的研究院。

    里面不少才俊都是如今天这样，他亲自去谈去沟通，或者派出非常亲信的下属去招来的。

    李彦弘不是要否认孟繁岐的才能，只是这个差距实在太过夸张，让他一时间根本无法解释也无法接受。

    “难道要我承认，我这一大家子研究员，上上下下几十号人，还不如面前这个本科生的百分之一？”正值自己人生巅峰的李彦弘心理上实在接受不了。

    检测的推理速度差了一百五十多倍就算了，对方竟然还没有牺牲性能来换取检测速度。

    这特么到底算是怎么回事？

    李彦弘已经看完三遍这个表格了，这表格上都是简明易懂的数字，加上几个使得内容更好理解的可视化图表。
    第(2/3)页