筆記-曲博談AI模型.群聯-24.05.05
https://www.youtube.com/watch?v=JHE88hwx4b0&t=2034s
*大型語言模型 三個步驟:1.預訓練，訓練一次要用幾萬顆處理器、訓練時間要1個月，ChatGPT訓練一次的成本為1000萬美金。
2.微調(fine tune)，預訓練之後，類神經網路裡的參數還不夠精準，所以需要微調，
例如要用來做翻譯功能的語言模型，就要把翻譯的資料、明確的輸入到神經網路，去微調這個參數。
微調完之後，才會得到一個可以拿來應用的模型。
3.推論，把要翻譯的資料輸入，模型經過推論運算，會輸入翻譯好的結果。
*訓練，類似花10年學英文、運算量龐大，學好之後等於把英文的模型建立好；
遇到外國人時講英文，這就是推論。
*推論，需要的處理效能不高，但是推論是個很長時間的運用，會有大量的使用者、不停的運算，
可以不用最高階的處理器，需要的處理器數量龐大。
*微調，用大量的數據，標註、改變微調參數，不用大量的運算，需要的是大量的記憶體，所以需要記憶體容量大的伺服器。
*HBM在GPU旁邊，先進封裝 能夠封的HBM記憶體數量是固定的，
想要做微調的廠商，如果拿訓練用的伺服器來做微調，成本很高，因為只是需要記憶體，並不用那麼多的算力。
--群聯作的是快閃記憶體 固態硬碟，屬於速度比較慢的記憶體，
在微調的時候，可以用中介軟體，讓程式誤以為固態硬碟是跟HBM一樣的記憶體，就可以用低成本的方式放大記憶體容量，因為固態硬碟的容量大，
群聯的aiDAPTIV，屬於微調專用的伺服器，
讓企業可以拿別人預訓練好的大模型，用低價的微調伺服器，微調成企業想要做的產品。
*曲博也認為aiDAPTIV為正確的發展方向。
