（来源：上观新闻）
” 罗福莉指🥣⚠出，OpenCl🐺🛒aw出现后，随着♍🗣任务越来越复㊙🥝杂，需要大模🤨型以低成本、高速💂♀️🔺度且稳定🧗♀️地处理🧹👠很长的🇹🇬上下文（💥context）😿，因此，大模😞🚭型上下文🇮🇶♻处理能力的提升↙也成为🇲🇵当今行业🌲的竞争重心👩👦👦。这是阻碍大模型👨❤️👨的能力进一步变强🇸🇦💌的绊脚石之⚠一⛓。他们没有简单地把🇧🇴所有训练任务混合🍄🇰🇵在一起，🇦🇪🇮🇲而是仔细分析😭✳了不同技能之间🍶🃏的相互影🇲🇸🇩🇪响，设计了🤟👨👨👧👧一个最优的🌤🥝学习顺序🇳🇵🇺🇲。
1 创新不是堆🎿🦸♀️料，是“组局” 😓🔍资源的高度🤐外网9分10张津瑜链接集中，并不自动等🚜🐌于创新的🔛🐃高效发生♒⚓。Meta挖角与内✍部孤岛 So⛴ra曾🚕🤥一度险🌄🐂因人才争夺👔战而提前终结🇧🇶。特别的是🇵🇰，Ti🧗♂️🉑iny🏕🚰 AI没有使🆑用英伟达、AM🐠D等常用于🥞高端AI电脑的G🐌☦PU，而🤗👳♀️是使用🐙SoC🔔（系统芯🔤🇻🇬片）+dNP🧷U（专用AI加😔速单元）的异😴🇵🇼构算力架构📻，就能在本地运🍷👖行最高1🛢👓20B参数✌量的大语言🥃模型👯♂️🇲🇻。
