科技入侵现代 第428节

　　徐贤说：“无论是哪一种，我只知道一件事，那就是百度完了。

　　如果这是一家小公司做出来的，可能百度还能靠着自己的护城河苟延残喘，但这是燃哥和腾讯合作的产物。

　　以腾讯的流量和推广能力，百度的市场份额会被迅速吞噬。

　　文心一言不但不是他们逆风翻盘的号角，反而是他们步入坟墓的丧钟。”

　　这么说吧，但凡知道百度骚操作的，没人能对百度有好感。

　　集合竞价模式下，疯狂给莆田系医院、P2P企业打广告，只要你给钱，广告网站能够把原本的搜索结果给挤掉。

　　没有任何社会责任可言。

　　网民们对百度的厌恶不是一天两天，甚至都有点此恨绵绵无绝期了。

　　这也是为什么明明Robin个人形象、履历、私生活方面都没有半点毛病，但在简中互联网上的口碑臭不可闻。

　　有的人是自己把企业给拖累了，像蔚小理中的李斌和理想，这两属于创始人口不择言把企业给拖下水，让人连带着讨厌企业，雷君属于是个人形象把小米带飞，而Robin是很少见的，个人被企业形象给拉下水。

　　李宜清听完后说：“这是好事啊！要是百度倒了，我肯定得大喝一顿。”

　　徐贤补充道：“我得放烟花庆祝！”

　　他接着坐到自己的电脑前，打开电脑，输入网站，完成注册，然后开始提问，他问的问题和李宜清差不多，李宜清问的是应用数学，他问的是偏微分方程。

　　“作为数学系本科生，你很可能已经掌握了部分基础，但PDE的学习需要坚实的先决知识。

　　这些是PDE课程的典型预修要求，确保你能理解PDE中的分析工具和方法，如果有缺失，建议优先补齐：

　　1.微积分序列：单变量、多变量微积分（包括向量分析、格林定理、斯托克斯定理），这些是PDE中积分和微分操作的核心。

　　2.线性代数：矩阵、向量空间、特征值等，PDE常涉及线性算子。

　　3.常微分方程(ODE)：一阶、二阶ODE的求解方法，如分离变量、积分因子。PDE入门往往从ODE扩展而来。

　　4.傅里叶分析基础：傅里叶级数和变换，这是求解许多线性PDE的关键工具（如热方程、波方程）.”

　　整个回答非常完整，更让徐贤震惊的是，“卧槽，清哥，这怎么还包含了申请硕士或者博士的准备呢？

　　它这里让我在本科后期找教授做数值分析领域的研究项目，目标院校可以选择明尼苏达大学，该校的PDE研究活跃，同时要准备GRE数学专项，突出PDE相关课程。

　　卧槽，我看你那回答里可没包括这方面内容。”

　　李宜清凑过来看了眼，“是啊，这智能程度更高了，它还知道数学做研究得留洋，土博在国内不值钱，可问题是，应用数学为什么不用？”

　　片刻后李宜清说：“估计是它的训练数据库里，关于PDE的回答更完善，所以它整合出来的回答更智能。”

　　深红在文学性上能够震惊一般用户，在专业问题上又能震惊像李宜清和徐贤这样的高级知识分子，无疑八点一经推出，深红的影响力迅速扩散。

　　原本华国网友们还沉浸在下午百度文心一言的让人失望上，文心一言不但没有实际演示，只有提前录制好的视频，而且表现也很糟糕。

　　丝毫没有体现出，它和搜索引擎的优势。

　　晚上八点，深红就给了他们一个大大的惊喜。

　　这就像是一颗核弹，在简中互联网投下的一颗核弹。

　　此时你打开任何一个群组，无论是微信群还是qq群，全部都在讨论深红。

　　晚上九点还差2分的时候，深红的官方微博就发了条庆祝的海报：

　　“58分，注册用户数突破100万！”

　　海报是红色，字样是黑色，整个海报和深红的命名很贴合，点赞数迅速攀升。

　　网友们也在下面积极留言。

　　当天晚上美股开盘，百度瞬间跳水，哪怕有阿美莉卡银行和花旗银行的资深分析师出来帮他站台，说文心一言很好用，远超预期，但你的竞争对手只花了一个小时就完成了从零到一百万的突破。

　　更何况，资本市场就没人看好，百度能赢下和腾讯的正面竞争，腾讯人工智能的掌舵人还是林燃，在外网有着疯狂科学家外号的男人。

　　开盘大跌14个百分点，盘中跌幅进一步扩大到23个百分点，收盘的时候略微回升，回升到19个百分点。

　　“燃神真的太凶残了，百度今天开盘前还有440亿的市值，今天收盘的时候就只剩下356亿左右，一天快被干掉小一百亿美元的市值。

　　太恐怖了，八秒钟的视频就是发布会了，一个小时一百万的注册用户，这可不是app，深红现在只有网页，还没有做移动端的适配。

　　这意味着，有超过100万的用户，使用电脑打开网页完成了注册和使用。

　　真的太凶残了。

　　Pony估计要笑死了，不费吹灰之力就把百度给击溃了，以深红表现出来的能力，最多半年，最多半年时间百度的搜索引擎就要沦为和bing差不多的市场份额。

　　这不是最要命的，最要命的是腾讯在2020年的时候收购了搜狗，全资收购搜狗，搜狗一直都有搜索引擎业务，如果腾讯用深红为搜狗赋能。

　　或者重新推出一个基于人工智能的深红搜索引擎，把搜狗合并进去。

　　百度能不能保证和必应一样的地位都不好说。

　　八秒钟干掉百度小一百亿美元的市值。

　　真的，活在这个时代，我们每天都在见证奇迹。

　　另外多说一下，Robin说华国科技企业和GPT最少差两年，我建议你这个水平，还是老老实实把陆奇请回来，AI这场战役，你这个认知能赢才怪呢。”抖音某大V深夜录制的感想。

　　当天大跌的不仅仅是百度，华国在阿美莉卡上市的非腾讯系的互联网公司都在跌。

　　腾讯的深红，以及背后的意义，对所有这些企业来说都是重大利空。

　　另外一方面，谷歌、META、苹果这些公司市值也受到影响小幅下跌，腾讯毕竟在海外也是有业务的。

　　只有英伟达再次大涨。

　　毕竟大家再怎么挖金矿，卖铲子的总是稳赚不赔。

　　纽约，一座建于18世纪的监狱，尼兰詹已经在这呆了一年多时间了。

　　最开始的时候，不断有联邦调查局的史密斯专员来问话，非要逼他说出自己到底是怎么协助华国完成阿波罗登月的。

　　他在其中起到了怎样的关键作用。

　　并且暗示他，只要他交出关键技术资料，他们就能放他出去。

　　问题是，尼兰詹自己清楚，他是真没掺和这件事啊，嘴上说给了帮助，我就批个假也算是帮助吗？

　　他也想给技术资料，阿美莉卡登月了，印度也有于荣焉。

　　但他真的拿不出来。

　　后来慢慢的来问话的变成一周一次，然后变成一个月，半年。

　　现在已经足足有半年时间除了监狱工作人员外，没有史密斯专员来问他话了。

　　他就像被遗忘在帝国角落，叫天天不应叫地地不灵。

　　尼兰詹的经历也给了很多印度裔教授一个提醒，千万别为了好用而招华国学生。

　　这一年多，华国学生申请阿美莉卡博士的难度大增，这也是原因之一。

　　这天，尼兰詹像往常一样，起来，思考自己到底要怎么才能离开这该死的地方。

　　然后两个身影出现在门口，一位是史密斯专员，另外一位，这人他熟悉啊，再熟悉不过了，在社交媒体上经常看到：扎克伯格。

　　“巴拉苏布拉马尼安教授，恭喜你，你被保释了，被保释期间，不允许离开纽约，扎克伯格先生为你保释的。”史密斯专员说道。

　　尼兰詹整个人都在发光，卧槽我终于能出去了，眼眶里饱含泪水，心想：万万没想到，救我出去的居然是扎克伯格？

第348章 饥不择食的META

　　华国古代有句谚语，叫“山中方七日，世上几千年”，尼兰詹现在的感觉和这句谚语差不多。

　　他简单洗漱一下就被带往了META在纽约的总部，扎克伯格用虔诚的表情看着他：“巴拉苏布拉马尼安教授，我知道你在人工智能领域有着超出寻常的造诣。”

　　尼兰詹心想，自己这么难念的姓氏，扎克伯格能念得如此清晰，也真难为他了。

　　紧接着，扎克伯格的话就开始出乎他意料了。

　　我在人工智能领域有着超出寻常的造诣？尼兰詹在思考这句话，是不是又有什么坑，不过转念一想扎克伯格这样的大佬，世界顶级富豪，不至于要坑他啊。

　　而且自己身为石溪分校人工智能领域的教授，说超出寻常的造诣，倒也不是不行。

　　“我确实对人工智能颇有自己的一番见解。”尼兰詹微笑着说道，过去一年多被监狱折磨的日子终于过去，他要迎来新生，自信的笑容、从容的坐姿、睿智的大脑终于在他大脑内又占据了上风。

　　扎克伯格听完后笑得更开心了，“不愧是伦道夫的教授，我就知道你肯定不一般！”

　　扎克伯格把尼兰詹从监狱里捞出来，倒也没费多大功夫，毕竟他可是驴党长期铁杆合作伙伴，给驴党不知道捐了多少钱。

　　尼兰詹又不是真的犯事了，联邦调查局调查来调查去也没找到尼兰詹和阿波罗登月的关系，没有找到有决定意义的证据。

　　之前一直关着他，不过是因为把他当背锅的，一名没有任何背景的印度裔教授，来承担华国21世纪率先登月的黑锅，好像还挺合适。

　　但当扎克伯格出手时，尼兰詹又变成了微不足道的小人物，他轻而易举就把对方给捞了出来。

　　而且对方能被关一年多，说明应该确实有两把刷子。

　　“巴拉苏布拉马尼安教授，你对大语言模型怎么看？”扎克伯格问道。

　　尼兰詹大脑开始高速运转起来，毕竟这可是关乎到自己的安危啊！得表现出价值，他才能在外面一直被保释，甚至是无罪释放。

　　他内心苦笑了一声：这叫什么事，自己明明就无罪，现在居然还要表现出价值才能无罪，这国怎？

　　“我认为这是一个很有发展潜力的方向，我前几年在ACL会议上发表的论文《DeFormer: Decomposing Pre-trained Transformers for Faster Question Answering》针对的就是Transformer-based QA模型的痛点-全层输入宽自注意力导致计算慢和内存高予以解决，我提出DeFormer，一个分解的Transformer变体。

　　在较低层，DeFormer用问题宽和段落宽自注意力替换全自注意力，避免问题和段落序列的交叉计算。

　　这允许独立处理输入文本，实现段落表示的预计算，从而大幅减少运行时计算。

　　DeFormer结构与Transformer相似，可直接用预训练权重初始化，并在QA数据集上微调。

　　我们的实验显示，DeFormer版本的BERT和XLNet在QA任务上加速4.3倍以上，仅通过简单蒸馏损失损失1%准确率。”

　　尼兰詹说的是他2020年在ACL会议上发表的论文，是当时LLM优化领域的经典工作，当时LLM流行的模型叫BERT，这篇论文直接构建在预训练Transformer上，LLM的瓶颈，也就是计算成本，在下游任务中凸显，这篇则一定程度上提出了解决思路。

　　“包括我在2020年的另外一篇工作，其实和LLM的核心，也就是多层注意力有着类似的核心逻辑”

　　尼兰詹自然不是水货，他在人工智能领域确实浸淫多年，有不错的成果，手上有好几篇顶会文章，都和LLM有关。

　　那还是2020年，当时大模型还名不见经传呢，在人工智能领域属于边缘化的方向。

　　扎克伯格是花了很多冤枉钱，把脸书改名META错误估计了元宇宙的到来时间，但不代表他没脑子，单纯因为尼兰詹是林燃的教授，就找他来。

　　尼兰詹自己真有几把刷子，也是很重要的原因。

　　大模型里的关键工作，包括自注意力机制、多头注意力、位置编码这些，尼兰詹都有深入的研究，毕竟他研究的重要方向之一就是NLP。

　　扎克伯格欣喜过望，觉得自己找对人了。