现在在模型训练这件事上，大家已经有了一个公认的事实搬数据，比算数据还贵。
像矽明的l100，纸面算力已经很夸张了，但是想要把这些纸面算力发挥出来，需要的是对硬体
能力的极致压榨。
必须得让l100痛苦地说：「真的一点儿也没有啦！」
到这种程度，才可以说，我们能拿国产卡来训练了。
这就是英伟达的生态做的事，它不仅纸面数据厉害，对硬体潜力的压榨也到了极致。
韩路一开着视界，看了看屏幕上的代码库，和江松然之前发来的那个绿色少、红色多的算子统计数据，然後又看了看桌子上摆着的一张外接l100显卡。
他叹了口气，默默地打开了视界的可编程界面。
如果我说我准备把算子适配，做成一个ai技能，让视界来调用，那阁下又该如何应对呢？
随着韩路一的意念一动，面前的电脑已经打开了浏览器，一个个标签页被打开，各种关键词被输入到搜寻引擎中。
主题：gpu核心优化，各种高校公开课、课程讲义、课件，网上公开的或者收费的论文，被各个研究院、实验室和硬体厂商的研究部门备份在冷僻的网络存储里吃灰的各种资料，全都飞快地进入韩路一的脑海里，然後在视界的操作下去芜存菁，只留下最核心、最相关的那些，其它无用的部分又被飞快丢弃。
为了让这个操作更高效，韩路一还给视界编写了一个学术插件。
网上的每一份或公开或隐藏的资料，都被视界打过分了。
英伟达的内部资料：
【资料价值：92】
【适配相关性：高】
【重复内容：低】
这是好东西。
哈佛大学公开课：
【资料价值：62】
【适配相关性：低】