【第70章 辰芯】
------------------------------------------
秦偉國的方案一共十四頁。
林辰從第一頁開始翻。
思路不繞彎。傳統強化學習讓策略網絡在仿真環境裡反複試錯——摔一萬次學會不摔，抓一百萬次學會怎麼抓。每一次試錯都跑完整的物理仿真，算碰撞、算摩擦、算反彈。GPU的算力全砸在這上麵。
秦偉國的路子反過來。
先訓練一個“世界模型”。這個模型不做決策，隻做預測。給它一個初始狀態和一個動作指令，它吐出下一幀的環境狀態。物體往哪兒掉，力怎麼傳，接觸麵的摩擦係數帶來多大滑移——全在網絡權重裡編碼。
然後讓策略網絡在這個“腦內世界”裡練。
不需要每幀都跑完整的物理引擎。世界模型的一次前向推理，替代仿真器上百次剛體碰撞檢測和力學求解。樣本效率的提升不是兩倍三倍——理論上是兩個數量級。
第五頁附了一組對標。DeepMind的DreamerV3，2023年初的論文。用世界模型在Atari遊戲五十多個環境上跑出了跟傳統方法持平的成績，訓練數據量隻要五十分之一。
Atari是二維像素遊戲，跟三維物理仿真差了十萬八千裡。但方向對了。
林辰的鉛筆在第九頁停住。
秦偉國標了一行紅字——關鍵前提：世界模型的預訓練，需要大量真實物理交互數據做底座。數據來源：仿真器。仿真器跑在哪裡：GPU。
繞了一圈，還是回到算力。
不過量級變了。暴力訓練十億步要兩千塊A100。世界模型的預訓練，秦偉國估算了一個數字——五億幀仿真數據。辰明現有三十二塊A100，跑六周。
六周。不是三天。但三十二塊卡跑六周，跟兩千塊卡跑三天——成本差了六十倍。
林辰把方案合上，擱在桌麵左邊。
---
第二天早會。
秦偉國背著那個拉鏈永遠合不上的雙肩包走到前麵，半截論文打印稿從包裡翹出來。他翻開筆記本，講了四十分鐘。
聲音不大，語速偏快，邏輯鏈條壓得緊，中間隻停頓了兩次——一次喝水，一次回頭確認公式有沒有抄錯。
核心結論落在白板上：世界模型路線，策略訓練階段算力砍九成。但底座預訓練仍然吃算力。五億幀。三十二塊A100。六周。
底座之後，策略網絡在世界模型內部跑想象訓練，還要兩到三周。
加起來八到九周。
蘇明哲靠在椅背上聽完，推了一下眼鏡。
“八到九周出一版策略。如果跑偏了，重來一輪又是九周。”
秦偉國筆帽在手裡擰了兩圈。他自己算過這筆賬，寫方案的時候就算過了。封麵那行鉛筆字，前半句是信心，後半句是底氣不足。
陸薇筆記本上敲了半頁記錄，手指懸在鍵盤上沒動。
安靜了十幾秒。空調出風口的嗡嗡聲格外明顯。
林辰走到白板前。馬克筆擰開筆帽。
第一行——“32塊A100，訓練一輪世界模型：6周。”
第二行——“商業目標：CM-H每季度迭代一次策略網絡。”
一個季度十三周。底座六周，策略訓練三周，九周。剩四周給測試、調參、實機遷移。
剛好卡死。沒有餘量。
他把筆帽蓋上，擱回槽裡。
“方案可行。算力不夠的問題我來解決。”
---
回到辦公室。門關上。
林辰打開終端。
請到𝐨𝐨𝐩.𝐭𝐰查看完整章節
。了瘋搶被UPG球全。成四了漲後之來出喂4-TPG把IAnepO，萬九年去。萬二十貨現卡單001A達偉英
。萬千兩億一費電加維運年，萬千六購采——置配低最”區適舒“案方國偉秦——塊百五到擴。萬十八百四舊折加費電度年，001A塊二十三有現明辰
。換交兆萬、冷液、建擴房機算沒還。億個兩快。二億一加萬千六
。端終掉關他
。起得付億個兩，億多十六金現上賬，賬到億十五輪C。錢在不題問
。值不值得花在題問
。忙上不幫eroC rosneT，算計學力確精做46PF和23PF用量大裡真仿理物但。滿拉速加乘陣矩61PF，化優型模言語大給eroC rosneT的001A。成三占理推絡網略策，力算成七吃算運陣矩的真仿理物。略策控操和製控動運人器機是全——窄很載負練訓的明辰。UPG用通是001A
。上構結用通的關無務任跟在費浪力算的多成六。五十三之分百率用利效有，格價的塊一萬二十花
。頁七十三第。告報業行的存會大人器機界世年去開翻辰林
。額份上以成八場市片芯練訓IA球全掉吃達偉英
。例案的潰崩動驅過跑間時長，截一差練訓，用能理推，073ULM紀武寒。碼代改月個四到三要去過移遷架框的明辰，整完不配適hcroTyP但，成八到七001A標對能性，B019騰昇為華。欄那片芯產國
。上合告報把他
。麵桌在攤紙白空。筆鉛起拿
。”卡的家誰買“是不
。塊一做己自是
。少001A比得吃，快001A比得跑，練訓象想絡網略策和練訓預型模界世的人器機讓——事件一乾隻。場市型模大搶達偉英跟不。用通做不
。CISA製定
——拉劃上紙在筆鉛
。二之分三砍維運年。001A塊百五千一效等，櫃機的片芯塊百五樣同。半一砍耗功，倍一翻守保率用利效有。化優級件硬做塊兩，理推hctab小的絡網略策、算運陣矩疏稀的真仿理物
能廠工代內國，程製熟成mn82。億三到兩，本成片流性次一
