以是Bob以为，，，从现在起各人会继续扩大、刷新和打磨这三个看法。
。。。这很是难，，，需要大宗智慧和起劲。
。。。但若干年后再转头看，，，我们不会看到有其他新泛起的根天性手艺趋势。
。。。 之以是会泛起收益递减，，，是由于模子的智能增添与所投入的算力呈对数线性关系——也就是说，，，要提升一定幅度的智能，，，就必需成倍增添算力。
。。。 实质上，，，预训练是规模重大、耗时长期的训练历程，，，要用整个数据中心一连运行好几个月。
。。。而当要训练下一个新模子时，，，通常要在多个数据中心上完成。
。。。 这可以依赖一些算法效率的提升，，，但从基础上说，，，必需等新的数据中心建成。
。。。这无法像推理那样在六个月内完成刷新，，，而是需要数年的时间。
。。。 纵然正在重点开发推理能力，，，仍然希望刷新预训练，，，提高推理时的效率、支持更长的上下文或更好地使用上下文。
。。。而要做到这些时，，，就必需重新最先，，，在新架构上重新举行预训练，，，然后再进入整个推理优化流程。
。。。 但若是让人马上去盘算2个五位数的乘法，，，对一样平常人来说完全做获得，，，但不可连忙获得准确效果。
。。。由于人类天生就需要「在回覆前思索」—— 就像以前，，，学术界还能做出很大的突破。
。。。但厥后，，，当Bob再看到学术论文时，，，他会想：「哦，，，这个我们早就做过了，，，他们刚刚又重新发明了一次。
。。。」