（+微:hywyysxs）
更值得注意🤮的不是融资额，而♠是这笔钱🥅❕的去向：加速开❄发下一代数📆据中心🗺🏐解决方案，以👨🦲🕥满足Age🚽😸ntic A🎻I工作🇩🇿🇨🇾负载的🎋需求🇹🇭💎。这对目前🏮🌮的技术水平来说，🇰🇷是个挑战🈁捐卵的过程是什么样子的。但即便如此，🇨🇼🇲🇲也有一个容🦂♑易被忽视🐿的门槛：你的测试👩👧👦🏴☠️设备必须符合晶圆🛃😊厂的标准🇻🇨。
如果用不同🚊的随机种子来🚗😣抽取数据子集，🔇😶结果可能存🛀在细微差异💴🐩。但现在🇭🇺🛑，这种🏅耦合正在被打破，🥺AI企业依然在这🇦🇬🧺里聚集👨🏭、融资、扩张，🧿🖇但它们对城市的依😼赖正在🛷😕下降：远程协作🇧🇭🇹🇷降低了👨🏫🕒对地理🇷🇪🇰🇬集中度的需求👨⚕️；自动化降低了对🦏人力规模的依📸🌺赖，资👴本回报因此更多停💁🇬🇾留在企业🇻🇨🧟♀️层面，而非向更🥊广泛的城市人群外🈵溢🈸😲。数据中心：C👨❤️👨PU封神，GPU🏴蓄力 数💤👧据中心收入🇵🇷🌵58亿美元，同🏣🇲🇷比增长5🇺🇳👍7%，环🚳比增长7🌏🆒%，连🇸🇳续创历🚹🇬🇭史新高🧗♂️。
具体做法是把原始👥的、没有任何☺约束的gpt-o🇸🇨ss-20b作为🇧🇹老师，🇧🇷改造后的🇨🇮🇲🇺模型作🐾为学生，每🏆👩🏭个词的奖励信号是🧔☑老师和学生🇱🇰🕸输出概率的对🇼🇸📳数差值😹🔓。训练时🕺每一步都用真🔆🌾实数据喂🌽给模型（➗teach🇱🇨er fo🦈rci🦟🇬🇵ng），但测试🤔🎖时却要自👨🔬😘己预测，🇦🇲⏳这种不匹⛷🇦🇮配导致误🐖👨🌾差像滚雪球一🇽🇰样越积越大🕍。。这个奖励在数🗓学上等价于反向K👇🏏L散度（一种衡🗒🏀量两个概👨⚕️率分布相似程度👑⚰的指标）的🇼🇫负值🧟♂️。与中国的计📰捐卵的过程是什么样子的算能力相🇵🇳比，美国🥂自身维持和🏁发展AI基础设🐼施的能力则相🐫🇺🇳去甚远🇮🇱。
