（来源：上观新闻）
高博士发现，谷歌😮😩的 T🍐urbo🦶✴Quant🍽 ，跟自己🐍团队搞的⛲ Ra🔎🔈BitQ 🇮🇳🏐算法高度🤪🇬🇦撞车，底层都用🔃了“随👶机旋转加J🕰L变换”🎈🐜。以一个 70B 🌬参数的🏐🍫模型为例，每💩处理一个词♐🤸♂️元需要硬件⛵执行1400 亿🤰🚣♀️次浮点运⚡🇨🇾算👨🦰。
“调度💁♂️瓶颈、通信与🦠存储性能短🧑🔖板等问⤴🐂题，均会影响算🔖力释放效率，🙇📔拉低单位算力🔭🌎的Token产🛬出效率🔇。” 通过IP，与©🇲🇺用户建立情👨👩👧感链接，🚛则是硬件创业🆘⚖者的另一个打法🇸🇱👨🦳。
他在演讲里放了🇨🇱🖍两个故事🥥。在谈及家庭机🕛❣器人如何🏝落地时，许🇰🇵华哲表示，当前🇽🇰0️⃣行业在数据采集🍠上存在误区，大量💆使用夹爪采集🧓🚿操作视频数据，♾️🇹🇷但最后要干什么还☸🕗不知道，最多🏩🧶是放到预训练里面🔀，有更多的数据🎺，但是那个数🇵🇸🏠据不起量📍🍎。
