十一月三十日，燕京。
陸堯是在深夜十一點看到這條訊息的。
他剛開完聯想控股的季度戰略會，回到公寓，洗完澡坐在沙發上，手機螢幕亮了一下。
是餘凱發來的連結，標題寫著“OpenAI釋出ChatGPT，五天使用者破百萬”。
連結下面附了一句話——“陸總，你看一下，這個模型的能力比我們預想的還要強。”
陸堯點開連結，把ChatGPT的演示影片看了一遍。
螢幕上，一個對話方塊，使用者輸入問題，模型即時給出回答。
寫程式碼、寫郵件、翻譯、解釋概念，甚至能模仿特定風格寫文章。
他看了兩遍，然後把手機放在茶几上，靠在沙發上想了幾分鐘。
OpenAI的GPT系列他一直都在關注。
2020年GPT-3釋出的時候，他就讓倪光南的團隊做過技術評估。
那時候的結論是，GPT-3的雲端推理模式對端側裝置不友好，引數規模太大，功耗太高，無法在手機和PC上本地執行。
聯想的路線是端側大模型，引數規模控制在百億以內，用地平線的晶片做本地推理。
這條路走了三年，從十億引數做到五十億引數，從純文字做到多模態。
但ChatGPT不一樣。
它的使用者體驗是顛覆性的，對話式互動、即時反饋、極強的通用能力。
陸堯在影片裡看到一個使用者讓ChatGPT寫一首詩，模型在三秒內生成了一首押韻工整的五言絕句。
另一個使用者讓ChatGPT解釋量子糾纏，模型用一段通俗的比喻把概念講清楚了。
這種能力，聯想的端側模型目前做不到。
他拿起手機撥了倪光南的號碼。
響了四聲，那頭接起來，八十歲老人的聲音在深夜聽不出睏倦：“陸總，你看到訊息了？”
“看到了。”
“我看了三遍。”倪光南說，“GPT-3.5的架構跟GPT-3一脈相承，但OpenAI在指令微調和人類反饋強化學習上做了大量最佳化，效果提升很明顯。”
“我們的端側模型，差距在哪裡？”
倪光南在電話那頭沉默了兩秒，然後說了一句很直接的話：“差距在互動體驗，不在底層能力。
我們的五十億引數端側模型在推理速度和隱私保護上有優勢，但對話的流暢度和通用性不如ChatGPT。
ChatGPT是純雲端方案，引數規模是千億級別，我們端側跑不了。”
“如果我們也做雲端呢？”
。場戰的組元位和度百、里阿是那，料資和力算量海要需型模大端雲“，說南倪”。端雲在不勢優的想聯但，做以可“
。上置裝在，側端在力能心核的想聯
。強私，低遲延，置裝出不料資，上片晶線平地在跑型模大側端的們我
。通走沒還也果蘋和歌谷，走有沒IAnepO路條這
”。化異差的正真是才那，型模的TPGtahC近接驗、行執地本上CP和機手在能個一出做，線路側端持堅們我果如
。秒幾了想，上發沙在靠堯陸
。對得說南倪
。司公的型模大側端個一第做是，IAnepO個二第做是不位定的想聯
。控可不遲延，傳上要料資，路網賴依——頸瓶的然天有式模端雲的它但，力能用通的型模大了證驗TPGtahC
。機手和CP臺萬千幾貨出年每，置裝躍活臺億一有想聯
