现在的gpu运算是偏向于量化分析的，如果能够引入“模拟质性思考”，让机器学习更接近于人类获取知识的方式和手段，而非是大力飞砖堆积算力？
关键位决策？自我否定替代外部反馈？簇式模型卷积网络？
一个个想法如泉涌般冒了出来，无论有用没用，都被纪弘飞速的记录了下来——这都是不可多得的灵感。
簇式模型卷积网络，用微参数模型决策簇作为神经网络模型的簇式节点，可以让簇式节点本身具有“类质性思考”能力
纪弘不断的思考着，整个方案在基本完整的基础上不断完善，星星点点的模块在他的大脑里迅速形成了千丝万缕的一张大网，如漫天星辰迅速交织，直至牢不可破。
“如果按照这样来搞，模型不会很大，但是会很强。”
纪弘一边点头一边感慨：“类思考式的模型，这是一种微模型，而且训练的模式和理念也全都变了，更加接近人类幼童牙牙学语时的状态。
“因此，训练所需要的数据量大幅减少，“质性思考”在训练中所占的地位会越来越大，所需算力会越来越小。
“如果把这种微模型跟大模型再结合在一起呢？搞到极致那会是一个怎样的效果？相当于人的智力再加上人工智能的数据规模？啊这”
纪弘思维越想越发散，甚至有一点儿止不住的趋势，他没有刻意停止，不管可不可行，记录下来回头试试总是没有什么错的。
发散性的思维停下的时候已经好两个小时过去了，纪弘也记录下了非常多不知道有用没用的资料。
“验证一下吧。”思路很清晰，纪弘也是决定找个样板先验证验证，样板都是现成的，正是之前的我的赛博女友生气了。
大模型就用万舸平台提供的文心大模型接口，而类思考微模型是需要他自己搞定的部分。
微模型理念复杂，但规模确实较小，算力需求并不高。
但是，现有的硬件确实存在不太兼容的问题，不管是图形卡还是推理卡训练卡，其本质都是运算核心gpu，都是不太满足需求的。
“现在去搞硬件不现实，还是模拟一下吧，”纪弘脑筋转了转：“性能损失确实不小，但不是完全不能用，现在只能暂时凑合。”
纪弘捣鼓了好几个小时，都接近凌晨了才终于把所需要的环境搭建好、训练材料配置。
“老婆，睡得太晚了，早上不用叫我吃饭，1