格林伯格在节目播出后转发了嘉宾3号的发言片段，配文：“这就是我想说的！”
但Reddit上的加密社区很快对他的推文进行了围攻。
有人直接回复道：“你昨天说Trump币会归零，今天它涨了112%，你有什么资格继续唱空？”
还有人把格林伯格两个月前的一个帖子翻了出来，那个帖子里格林伯格说比特币在3年内不可能突破1000美元。
“1200美元了，格林伯格先生，您怎么看？”
格林伯格没有回复。
这些保守派势力的代言人在媒体面前卖力渲染加密货币的危害，但全都没用。
因为绝大多数投资者都在这轮币圈牛市中赚到钱了。
VR交易所的后台数据显示，2011年前11个月，比特币累计涨幅超过300倍，以太坊自7月上线以来涨幅超过150倍！
山寨币市场的平均涨幅更是超过了10倍！
在香江，HKDV的线下零售支付网络覆盖了海港城、时代广场、新世纪广场、百佳超市、屈臣氏，每个月的结算流水以超过30%的速度增长。
在美国，Coinbase上线首月就获得了80万会员，泰达币总流通量突破了400亿美元。
这些数字不是预测，是已经兑现的事实！
投资人的利益已经和加密货币深度绑定，谁想让他们卖掉手里的币，就是在挡他们的财路！
Reddit加密板块有一个被置顶的帖子，内容很直白：
“他们想让我们卖掉比特币去买什么？买美股吗？纳斯达克今年涨了不到2%！”
“加密资产是今年唯一能赚钱的市场，谁让我卖我跟谁急！”
帖子下方评论区里的数千条回复，清一色地附和。
除了加密资产之外，其他金融标的近期的表现确实都很差劲。
美股在进入12月之后连续下跌。
道琼斯工业平均指数12月1号到4号累计下跌了超过400点，标普500指数同期的跌幅接近2%！
大宗商品市场更是惨烈。
WTI原油期货从11月的105美元高点跌到95美元，跌幅接近10%！
伦敦铜期货在耶伦讲话之后单日暴跌3%，刷新了过去3个月的低点！
黄金现货在跌破1720美元之后持续阴跌，12月4号收报1705美元，距离10月创下的年内高点的回调幅度也不小。
全球资金找不到更好的去处。
彭博社在12月3号的一篇市场分析文章里写道，2011年全球主要资产类别的回报率排名中，比特币（约300倍）排名第一，以太坊（约150倍）排名第二。
第一和第二远远把第三甩在身后，连尾灯都看不到！
文章用了一段非常不客气的导语：如果你在2011年没有持有加密资产，你的投资回报率一定远落后于平均市场表现。
这篇文章被华尔街的保守派批评为鼓吹投机，但彭博社的数据没有错。
愿意投入加密市场的钱越来越多。
……
香江时间12月4号。
陈平坐了一架从香江飞往姑苏的客机
12点整，飞机降落在建邺禄口机场。
陈平下飞机后，几乎马不停蹄地坐车前往灵境ai实验室。
灵境ai的研发中心设在姑苏工业园区，是一座独立院落，占地大约30亩。
院内共有3栋建筑，主楼是数据机房和训练中心的所在地。
陈平走进主楼时，季铭已经在一楼大厅等着了。
“小陈，我有件事我需要当面跟你汇报。”
陈平点头。
“去会议室说。”
几分钟后，会议室里的人到齐了。
季铭坐在陈平左手边，他的对面是原DeepMind的创始人，来自伦敦的大卫·哈萨比斯。
大卫旁边是灵境ai的算法总监王星原，王星原旁边是工程总监赵知行和数据团队负责人刘帆。
最后一个人坐在会议桌的角落，穿着一件不起眼的夹克，手里拿着一沓资料，从头到尾没说一句话。
他是梁文峰。
季铭清了清嗓子，开口说道：
“原本计划12月推出女娲1.0版本，但现在看来可能要推迟了。”
陈平的眉头皱了一下。
“原因呢？”
大卫解释道：“训练大语言模型所需要的算力远比我们预估的庞大得多！”
大卫一边说一边打开电脑，把屏幕转向陈平。
“我们在今年9月完成了女娲1.0的基础架构设计，当时预估的训练算力需求大约是每秒1000万亿次浮点运算，也就是1PFLOP，基于这个预估，我们采购了英伟达的2000块Tesla M2050计算卡。”
“但当模型框架搭建完毕、训练数据装载完成、开始正式训练之后，我们发现实际的算力需求远不止这个数字。”
季铭补充道：
“女娲1.0的参数量是1700亿个，训练数据集覆盖了超过5000亿个Token，这个规模比我们之前做AlphaGo时大了至少4个数量级。”
“目前我们手里的计算卡已经不够用了。”
“1700亿参数？？？”
陈平倒吸一口凉气，“刚开始你们不是说女娲1.0版本的参数是1亿吗？”
“1亿级别的LLM我们在上个月月底就已经训练出来了，但是实测效果非常差，1700亿参数量是我们经过缜密的研究讨论后得出来的结果，它足以让大语言模型产生质变！”
陈平沉默了几秒，然后问道：
“那你们还需要多少算力卡？”
会议室里的人面面相觑。
季铭看了大卫一眼，大卫又转头看向王星原。
王星原低头不语。
最后，梁文峰开口了：
“如果是买英伟达的计算卡，按照采购价至少需要14亿美元。”
14亿美元！
陈平头都大了。
今年在灵境ai身上已经砸了快60亿美元。
年初收购灵境科技的原始技术团队和专利，花了8亿美元；
年中从Google手里抢下DeepMind，斥资2.5亿英镑，折合4亿美元；
之后搭建姑苏数据中心的硬件基础设施，采购服务器、存储阵列、网络设备，又花了超过20亿美元；
AlphaGo项目的研发和运营成本累计超过了8亿美元；
女娲项目前期的框架设计、数据采集、预处理和无成果训练浪费掉的算力，折合成人民币已经超过了50个亿，折合8亿美元。
如果现在又要砸14亿美元买计算卡，意味着灵境ai在2011年的总投入将突破80亿美元！
而截至目前，灵境ai唯一拿得出手的商业化产品，是一款几乎没有商业盈利能力的AlphaGo。
总结一句话就是，60亿美元砸下去，只换来了一堆经验。
陈平深吸了一口气。
“14亿美元，能有多少块卡？”
梁文峰翻了翻手里的资料。
“英伟达的Tesla M2090单卡售价大约1.2万美元，14亿美元可以买大概11.6万块，但M2090的单卡显存只有6GB，双精度浮点性能每秒665GFLOP，按照女娲1.0的训练需求，11万块卡勉强可以跑起来。”
“如果等明年英伟达发布开普勒架构的GK110核心，单卡显存提升到12GB，浮点性能提高到1.5TFLOP，同样价格可以买到更少的卡但算力更强，周期大概要到2013年。”
2013年。
陈平摇了摇头。
等不了那么久。
季铭看到陈平的表情，愈发自责了。
“陈总，怪我，我当初低估了1700亿参数大模型的训练难度。”
大卫也低下了头。
他在DeepMind时做的是强化学习和小规模神经网络，面对1700亿参数的大语言模型，同样处在一路摸索的状态。
会议室里安静了很长时间。
陈平叹了口气。
“虽然女娲1.0没法在短时间内推出，但这14亿美元我会批。”
季铭和大卫同时抬头。
陈平继续说道：
“但我需要一个明确的时间表，不能再像之前那样不断推迟。”
季铭立刻回答，“如果算力到位，12月底完成第一批训练，1月中旬完成微调，2月底之前可以上线1.0正式版！”
“可以。”
陈平说完之后，又看了一眼梁文峰。
梁文峰的表情自始至终没有任何变化。
季铭似乎想起了什么，急忙开口。
“陈总，还有一件事。”
“说。”
“虽然女娲1.0没法在短时间内推出，但灵境ai的第一款量化大模型已经进入灰度测试阶段了。”
陈平的眼睛亮了一下。
“量化大模型？”
季铭转头看向梁文峰。