大语言模型是人工智能的一个落地应用方向，基础逻辑就是模拟类人神经网络，当训练数据达到一定规模时，会产生不可思议的效果，路阳就知道chatgpt的训练数据就是1750亿才开始爆发，有了质的变化。
这个过程还需要人类来做干预训练，让模型能给出更加接近的正确答案。
不过，对于中文数据来说，最大的问题还是数据质量。
数据质量越高，模型的训练结果越好，而华文数据质量，路阳只能苦笑着摇摇头。
巅峰时期的华国互联网，优质网站数量接近千万级，而到了2019年，这个数量降到了400万，曾经的四大论坛，天涯、猫扑、微博、贴吧，天涯半死不活，猫扑消失殆尽，至于微博，娱乐文化仍占主流，直到华芯的崛起，才让科技板块逐渐有了起色。
至于贴吧，男科不孕不育了解下！
唯一还在苦苦支撑的就只剩下知乎一支独苗，然而在大浪潮的侵袭下，90%以上的数据变成了打拳、键证、润学，水军、自媒体、营销号、饭圈总是喜欢为了点鸡毛蒜皮的事吵得天翻地覆，可谓是垃圾场里建游泳池，不似粪坑胜似粪坑。
当然，国外的互联网也不见得好到哪里去，但他们的体量庞大。
路阳最近还让人帮做了个统计，假设中文文本数据10亿条，高质量数据占比1%，英文文本数据20亿条，高质量数据占比5%，过滤后，可用于AI训练的中文数据只有1千万条，而英文有1亿条。
这个量级的差距，就算路阳占得先机，最后训练出来的结果也无法超越英文文本训练的人工智能。
实际上，英文互联网比华国要早几十年，真正的差距只会更大。
如果不过滤，那华国的数据肯定是足够的，但成长于充满广告、饭圈、矛盾争吵的数据环境中，路阳无法想象最终训练出来的模型会是什么样扭曲怪物。
中文数据还有另外一个大问题，那就是数据孤岛，国内的大厂从融资、估值到上市，都需要用户数据来讲故事，所以大量的数据被封闭在各大厂与平台中。
千度、阿里、企鹅都直接或间接的屏蔽了各自爬虫，即便有开源模型，数据也不会对外开放。
“提高华国互联网的优质数据，这方面已经提前在布局，而要解决数据孤岛问题，就得依靠国家的力量。”
路阳在心中思索着，电子科技大这边的行程，就是为了解决数据问题，华芯数据中心建成在即，需要大量高质量数据做填充，于是他计划与电子科技大这边合作，打造华国最大的知识分享社区。
硬件GpU部分，摩尔10月下旬即将发布首款自研专业级GpU，软件就得依靠这个平台。
应若涵的执行力是路阳最为佩服的，不到三天时间，来自华国前三的超导研究团队的专家进驻华芯二院，配合施小云设计零度控制系统。
“人都到了，按施教授的计划，这个系统需要两周才能完成。”
“半个月吗？那正好可以处理电子科技大的事？”
旋即路阳把平台的思路给应若涵做了个大概的介绍。
正如王德峰教授，汉语不只是一个交流工具，它融合了儒释道的思想，从仓颉流传而来的形象以及对炎黄血脉的认同，随着网络用语的扩散，很多承载着华国文化的词句语境可能都将不复存在。
把这些知识加入对模型的训练，不仅可以让文化得以传承，也可以让下一代更好的利用。
“我们的目标是建立起一个远超已有数据库规模，开放、互通、合理规范的超级华文语料库，并以此反哺华国互联网，输出优质知识。”
应若涵没想到路阳一下跨度拉得这么大，问道，“虽然我明白你说的，但这件事并不是最紧急优先的事，这个超级语料库按你的要求，短期内也不可能做好，而且这跟量子芯片似乎也关系不大。”
路阳知道她最近关心的是胡稚那边的进度，芯片小组已经在暗中做了大量准备，并提醒国家加大防疫系统的演练与物资储备，但路阳这边的行动，却没有一件跟这个相关。
归根结底，一方面是路阳确实对这方面没什么知识，另一方面就是大事件是全球性的，根本不可能防得住，除非你真正执行闭关锁国，但那又太不现实，损失太大。
路线想了下，继续说道，“我们的最终目的是造出量子芯片，完成量子计算机，对吧。”
应若涵点点头，这是集团董事会都知道的。
“量子计算机的应用，最适配的就是人工智能领域，而人工智能领域说是第四次工业革命一点都不为过，它可以让华国的科技整体再上一个台阶。”
这说法，应若涵心中是不太认可的，但路阳的特殊性也让她明白，这么做方向肯定是对的。
见应若涵仍不明白，路阳解释道，“人工智能是需要训练出来的，用大量数据通过人工干预训练，当数据量达到一定级别，你可以理解为，会出现具有部分意识的人工智能，它能帮助人类整体提速。”
这是路阳第一次把这件事告诉其他人，已经开始超越现有的人类认知。
既然自己的系统使用条件苛刻，存在风险，那就干脆造个系统出来帮助华国，这就可以让整个华国加速开挂。
哪怕应若涵对人工智能所知不多，但是凭借其超高的智商，还是快速想通了这一切，这样一来，路阳最近看似毫无关联的动作就可以串联起来了。
“路阳，你真的是来自2023年？可我怎么感觉你所说的事，像是未来几十年后。”
人工智能帮助人类提速，具有意识，这都是科幻电影里的场景，而往往科幻电影里的人工智能，大部分最后都变成反派boSS。
是啊，只是5年而已，这中间的差距就已经如此之大了，如果再发展二十年，未来世界又是什么样呢？
路阳并没直接回答应若涵的问题，也许对方也不需要他的回答。
“欧米人的科幻电影只能代表他们，华国真正意义上的科幻作品并不多，我现在也只能确认一点，只要你训练的数据足够多，质量足够好，一定会出现具有意识的人工智能，至于如何控制它，这就不是我能知道的了。”
“而且，这是一项颠覆世界的发现，而人工智能的能力，最终还是要落到算力上来，这是一切的根本！”