（来源：上观新闻）
黄补充🍇道，服务器、🇱🇻🦶PC 和🌯智能手🥘🙄机行业🕷👇的许多大公司都👁在支付溢🧻价，以大量采❓购内存，从而限☯9️⃣制竞争对手的🦸♀️供应🇲🇾🦔。相比之下，大🤦♀️🆙多数消费电子公司🕹🆕正在为全球存储🖌👘芯片短缺所困💂扰🍜🍖。第一个🔲💔问题来自🇧🇷👨👨👧摩根士丹利的布莱🥦恩・诺😐瓦克🇹🇦。同样值🚢得注意的🏨🐉是，除😡😫传统智能代理外，🌻我们还有多种利🐫用人工智🧩🇳🇪能优化购物体验✍的方式😆⬅。我们的核心🥾出发点是，从🌽研发角度，开👩🦱发前沿模型需👎🐼要哪些资源？🌕训练这些🇱🇾模型需要多少计算🌈资源？实际👩👦上，谷歌深🇧🇳⏲度模型所需的🕝计算资源是所有业📯🧨务的基💗🧯础，这是我🚤👩🦰们运营的🔲核心原👨🌾😱则🥶。
据工作人🇨🇭员介绍🏕，如果🌼🌡以传统自建模式测🔟🕣算，一家县级三🦀⁉甲医院需一🇫🇯🇨🇻次性投入高达数🆕百万元，涵盖🦎🌿AI模型采🕘购、算🕤📄力服务器🥬、存储设备等👗，标准建设👝📸周期不低🎈于6个⛑月，后续🍵🕊年运维成本也🥖需要数十万元▪🌭。而当储能产⚾🛌业面临着💜✊类似命题时，不🥣少头部企业🛍🚒倒是迅速选择了“🇸🇱🇨🇺全栈阵营”🇬🇧，特别是在研发1️⃣方面强调“全👳😒栈自研”模式🇰🇼。
