从单体到LLM：拆解DevOps进化的三大范式
Source :
mp.weixin.qq.com
科技史一再证明，我们常低估未来的发展速度。正如第一台重达30吨的计算机ENIAC，或“640K内存足够”的论断，都无法预见如今远超其亿万倍算力的设备已普及到个人。今天，我们可能正处在新的“ENIAC时刻”。训练类似GPT-4的顶尖大语言模型，因其对海量数据、庞大算力集群和巨额资金的极端要求，已成为少数科技巨头的“权力的游戏”。然而，这或许也是一个新的“640K时刻”。未来若出现量子计算或基于多值逻辑、新材料的芯片，可能会带来计算效率的指数级提升，瓦解今天的算力与成本壁垒。届时，大模型的训练门槛将急剧降低，个人与小团队也能负担。众多开发者将不再局限是调用模型API的应用开发，而是能利用自有数据，从零开始创造真正属于自己的“垂域大模型”。这种转变将使开发者的焦点从“使用模型”回归到“创造模型”，并开始思考一套围绕大模型敏捷开发、版本控制和持续集成的自动化流程，从而开启大模型开发的成熟阶段。
