李东礼貌的把筷子放了下来。

    “邱总您好，我是高老师的学生，李东。”

    邱明丽愣了一下。

    然後就有些惊喜的说道。

    “你就是李东？”

    “那个降维算法的李东？”

    “我的天，你这也太年轻了吧。”

    旁边几个原本没对上号的，听见“降维算法”这四个字，也反应了过来，纷纷看向李东。

    李东被这麽多双眼睛盯着，多少有点不自在。

    “邱总过奖了，我就是个大学生。”

    “我就瞎搞的。”

    李总在旁边哈哈大笑。

    “瞎搞？你这要是瞎搞，那我们这帮人全都白干了。”

    桌上一片善意的笑声。

    笑声落下之後，邱明丽率先说道。

    “李东啊，我特别想听听你的看法。”

    “你看刚才咱们聊的，算力、数据……这些东西”

    “那你心里对‘怎麽追上去’这件事，有没有什麽想法？”

    说实话在座的人是真的想听，毕竟李东算法的去向他们不知道，不知道本身就很说明问题了。

    所以他们对李东是特别的好奇的。

    李东沉默了几秒锺。

    老实讲，他心里其实并没有什麽完整的能拿出来讲的想法。

    他只是……

    只是想到了牛顿的小黑。

    那玩意儿，怎麽看都不像是用现在这一套大语言模型的路子搞出来的。

    他斟酌了一下措辞，慢慢开口。

    “我没什麽很专业的看法。”

    “就是有个特别外行的问题，大家别笑我哈。”

    桌上的人都笑着说不会的。

    李东这才继续说道。

    “为什麽……人工智能就一定要按照现在这种路子做呢？”

    “我说的是，为什麽不能更接近人脑真正的工作方式？”

    “你看，人脑大概有八百多亿个神经元，每天大概就消耗二十瓦的功率。”

    “但它能听、能看、能想、能学、能在一秒锺之内认出一张脸，还能在两年之内学会一门语言。”

    “而我们现在最先进的大模型……”

    “训练一次要烧几千万度电，推理一次也得调动一整个机房的卡。”

    “在做某些事情的时候还不如一个三岁小孩。”

    “差距在哪儿？”

    “我觉得不是在算力上，是在……根本路子上。”

    说实话AI这块李东确实不太懂，所以就是吧自己的想法说出来。

    桌上的人没有一个出声的。

    他们就那样静静地听着。

    李东顿了一下，继续往下讲。

    “我前一阵子翻文献的时候看到过一个方向，叫脉冲神经网络。”

    “它的思路就是不用现在这种连续值的激活函数，而是模仿人脑里神经元放电的方式。”

    “只有放和不放两种状态，平时不工作，只有信号攒到一定程度才发一个脉冲。”

    “理论上这种网络的能效比要比现在的ANN高几个量级。”

    “还有更激进一点的，叫神经形态计算，干脆把芯片本身就做成模拟神经元的结构。”

    “IBM的TrueNorth、英特尔的Loihi，都是这条路上的嚐试。”

    “我就在想……”

    “是不是有一天，我们真的能造出一个不用一万张A100，而是用一颗类脑芯片，就能完成同样事情的东西？”

    李东说完，桌上一片安静。

    倒不是说大家被震惊到了，而是……

    “哦，原来你也只是个会做白日梦的小孩”

    李总最先反应过来。

    他脸上的笑容有点复杂，但看得出来，是真心想跟李东讲点东西。

    “李东啊。”

    “你这个想法，其实在学术圈不算新。”

    “不光不新，可以说是非常老了。”

    “早在上世纪八十年代，就有人提了。”

    李东点了点头。

    李总继续说。

    “但是这条路为什麽这麽多年了都没起来？”

    “因为它太难了。”

    他放下杯子，两只手一摊。

    “我们对人脑本身的了解，远远没有外行想象的那麽多。”

    “目前为止，全世界唯一一个被完整测出来的连接组。”

    “是秀丽隐杆线虫。”

    “它一共就三百零二个神经元。”

    “光是这三百零二个神经元的连接图，科学家整整测了三十年。”

    “果蝇的连接组前两年才刚刚做完一部分，而一只老鼠脑子里大概七千万个神经元，目前连零头都没测完。”

    “人脑？八百亿个神经元，每个神经元平均连一万个突触。”

    “我们离把它彻底搞清楚，还差着十万八千里。”

    李总看着李东说道。

    “就算我们了解了大脑，我们也没法在矽基芯片上

    高效地复现它。”

    “人脑的神经元和我们的芯片。”

    “是两套完全不同的逻辑。”

    “你硬要在GPU上模拟一个脉冲神经网络，效率比直接跑ANN还低。”

    “这就是为什麽SNN吹了这麽多年，到现在主流的AI公司也没真的allin的原因。”

    “它现在能做的任务规模，比ANN差得很远。”

    李总叹了口气继续说道。

    “还有，我们没有成熟的训练方法。”

    “ANN为什麽这十年突飞猛进？因为我们有反向传播。”

    “反向传播这个东西在数学上是很高效的。”

    “但人脑里有反向传播吗？没有。”

    “那SNN要怎麽训练？目前学术界还没有一个公认的、和反向传播一样好用的方法。”

    “很多团队在试，但都还没试出来。”

    李总把手放下，端起杯子。

    “所以李东啊。”

    “你这个方向，理论上当然是对的。”

    “长远来看，类脑计算很可能就是未来。”

    “但是……”

    他还是强调了一下。

    “在可见的五年、十年之内，能落地、能赚钱、能让中国的AI追上世界第一梯队的，只能是现在这条transformer的大模型路子。”

    “不是因为它最好。”

    “是因为它最现实。”

    李总说完，桌上的几个人都纷纷点头。

    显然这是行业内已经形成的共识。

    李东没说话。

    但心里有一个声音，在很坚定地反驳。

    不可能？

    我亲眼“见过”有人做出来啊。

    那就是牛顿的“小黑”。

    既然有人能在那个时代、把它做出来。

    那就说明，这条路是走得通的。

    至於眼前这些困难……

    对大脑的理解也好，硬件的底层逻辑也好，训练方法也好……

    一步一步克服就是了。