谷歌创始人Larry Page在2007年就看透了AI的底牌。 那个年代学术界还在黑板上死磕精妙的算法。 他预判了一切。 实现真正的AI根本不需要多聪明的设计。 算力规模才是唯一的壁垒。 这个结论比Rich Sutton发表那篇著名的《苦涩的教训》早了整整十二年。 Page的推演视角直击本质。 他扒开了人类自身的系统架构。 把人类的全部DNA数据压缩一下，只有区区600MB。 体积比普通的Linux小。 更比不上动辄几十G的Windows。 但就是这不起眼的600MB，装下了启动人类大脑的完整引导程序。 造物主从不用复杂的代码炫技。 自然界只给出极简的基础规则。 剩下的工作全交给庞大的算力去穷举。 沉迷于在白板前写优雅公式的天才们全绕了远路。 计算量压制才是通往智能的唯一捷径。

他这个例子不正说明算法比数据量计算量重要吗

我不认同"算力唯一论"：人脑恰恰是反例——神经连接优雅复杂，并不靠穷举蛮算，是高效率运行。早期AI失败也不是算力不足，方法错误、训练机制不成熟同样致命。即使到今天，Transformer架构设计才是AI突破的关键。 算力是燃料，但没有引擎设计和正确路径，烧再多油也到不了目的地。

大概就是N维的元胞自动机（N>3）

计算机本质就是暴力运算，从不取巧。 比如说10*1000=10000，对于计算机来说，它不需要任何算法，它直接是10=1010（二进制），然后累加1000遍，你觉得很麻烦，但它很轻松。 实际上到今天为止，计算机也还没有脱离二进制计算这个本质。

胡说八道。 x上都是什么阿猫阿狗的。

定规则和执行

造物主的神奇岂是人可以参透的

lora、rlhf能把成本降低为原来的1%，算法还是有用

语言模型商业上压根没讲清怎么做大蛋糕，每天讲降本故事是走不长的

我也这么说过，没人关注。