第374章 異星科技！(第2/3 頁)

有薛璃幫忙管著，否則他根本就忙不過來。

“得嘞，您有信心就行。”

薛璃點點頭，沒有再多問。

接著，兩人就異星科技後續投入成本進行了分析，發現這又是一個燒錢大坑！

員工工資、場地租金什麼的都是小頭，裝置採購和每月電費才是大頭。

現在的裝置只夠前期訓練，後期還是要大量買入顯示卡提高算力，裝置越多消耗電量就越多。

以chatgipt-4為例。

訓練一次大模型，大約需要3個月時間。

訓練時需要使用25萬張英偉達a100顯示卡，每張顯示卡的功耗是400瓦。

這麼計算下來，訓練一次就需要消耗24億度電！

chatgpt3就更誇張，單次訓練的耗電量高達12億度電。

若購電價格是每度電1元，那光是電費就要花12億。

當然，工業用電價格肯定低很多，而且他們的資料也可能存在水分。

不然人家deepseek的訓練成本是怎麼壓低到五百萬美元的？

幾個億的差距，這可不是一句演算法架構更優秀、訓練策略更高效，就能解釋的。

“這樣吧，除了那實繳的一千萬的註冊資金外，我再拿一千萬出來，先給公司用著吧，不夠再說。”

袁意想了想後說道。

他手裡還有三千多萬的現金，拿一千萬出來都是小事兒。

反正公司現階段的工作主要是資料收集與預處理，這工作比較簡單，成本也不高。

，！

首先要收集網際網路（如社交媒體、網頁）、專業資料庫（如知網）、感測器裝置的資料。

這些資料花錢就能買到。

其次進行資料清洗，去除其中存在的錯誤、重複、殘缺資料。

這需要資料分析師和資料工程師。

最後是資料標註與劃分，標註完成後，將資料分為訓練、驗證、測試三個大集。

標註工作比較簡單，完全可以外包出去。

做完這些，才是最重要的模型架構選擇與設計。

接著是訓練、測試、評估、最佳化、應用。

前期的資料收集處理工作，袁意壓根就沒打算參與。

這些工作壓根就是“線上搬磚”，既枯燥又無聊，不值得他浪費時間。

他花那麼多積分將【人工智慧開發】點滿，可不是為了每天坐在電腦面前，看著影片框小人。

見他又隨手拿出一千萬，薛璃頓時酸的要死。

這傢伙哪來這麼多錢？？

剛才答應給三千萬，現在又掏一千萬，四千萬怎麼在他這兒跟毛毛雨一樣？

她越來越好奇這錢的來路了。

如果像袁意自己說的，這些錢都是憑炒股賺的。

那他這麼厲害，應該去搞私募基金，怎麼會費勁巴拉的搞這麼多不同行業的公司？

雖然心裡疑惑，但她並沒有真的詢問出來。

人要時刻牢記自己的位置。

交淺言深可是大忌！

領導表現的如何親和與禮賢下士，那是他的事兒，你不能因為這個就飄了。

她跟這袁意混的時間可不算長，雖然現在看似很信任，但如果說已經完全建立了信任，那純屬是扯淡。

而且，搞管理的崗位不比搞技術的，沒有不可替代性。

踢一個沒有股份的高管出去，影響幾乎可以說是沒有。

而擁有公司90％股份得袁意，可以沒有任何阻力的做到這件事兒。

所以，她現在最好多做少問，踏實做事兒。

跟著袁意