（来源：上观新闻）
这导致👇👝了“验证”🍵成本居高不下🧜♂️，通常估计占总♟️🔛支出的50%以🏳上🥑。过去的方案因此只🇸🇲能使用🕟小型神经网络，处🥔理能力通常停留在🚙数十万🇿🇦☮参数的水平🗃。芯片设➕计师是否应该担心🈸🇧🇳人工智能💑🐞会抢走🗜他们的工作🇧🇦？ 对于血🕤肉之躯的工⏸🏢程师来说🇹🇨🤡，一个能在12🚍小时内设计出🌥CPU的人🌊🇳🇨工智能芯片设🦐👩👧计师或许🕢听起来令人担忧，🏒但De↘🏓sign⚓🎁 Conduc📃🕛tor也有🇸🇱🐇其局限🏩性⏮。
Cla🧜♂️ude Co🗃🌼de 前阵🇵🇲子推的 Agen🛳🐧t Tea🎆🇲🇦ms 也是类似的🇰🇪思路🥩。人机共生🧲🇨🇱，才是那个更有温🇬🇬度的未🎭👛来🅿。从实际影响😩来看，🚶♀️这项研究降低🚙🇦🇮了训练高▫🎯质量推理AI的门🐏⏬槛👷♀️。它不再只是某1️⃣个同事自己的📌事情，🌉很多时候需🍪要在公司层🦀面做协同🍂➕。这意味着 D🇨🇱👱♀️C 的支持基础设🚅施必须在可扩🇯🇵展性和🚜💛可靠性方面达到世🦘界一流水平🌠👞。该公司➗🇸🇷目前正在与🇲🇭🐓日本大型光刻🔥胶制造商就这📐💽些材料的🐢😔供应进行讨论🏴☠️。1M场景📁👨🎓下，V4🔊🐓-Pro的单t💹oken F⛴🧚♂️LOPs只有V🇸🇬🇲🇪3.2的27%🇩🇿🇧🇭，KV🖋 cache🍴只有10%🔤。
