林远将所有问题归纳为两点：计算、采集。
对于计算问题，林远一直很想知道这算力系统的实际性能。这系统的1p算力到底约等于现实世界的多少算力。
以前他没有专业算力设备来测试，但现在因为测试任务，好团的算力设备不就是现成的嘛。
好团的紫金分部这边有一个h100和a100 gpu混搭的测试用算力平台，林远成功申请到了一块a100的使用权。虽然a100比h100差了不少，但这毕竟是正儿八经的算力卡，妥妥能秒杀市面上的各种rtx和hd等电脑用显卡。
林远先跑了次针对tf32数据的通用测试，a100对tf32的计算性能基本稳定在35t/s以上。自己的算力系统要到达同级别表现只需要将近10t/s的算力功率。
林远据此总算标定了算力系统当前的算力性能：大约比现实世界的算力优秀三倍。也就是说，同样是1t单位的算力，算力系统的相当于现实世界的3t。
也就是说：系统和现实世界的算力汇率是1比3。
林远顿时有了种“老子是发达国家，整个现实世界都是第三世界”的感觉，因为老子的算力值钱啊。
可即便如此，林远也对用算力系统去跑算法优化也没什么信心。因为算力系统的算力汇率也就才是3倍，自己这1000p累积算力根本就不够看的。
但是，哪怕是出于好奇心，试还是要试一下的。
林远随即就准备给算力系统载入一份采集好的数据。这份数据是一段时间内一大群骑手的真实配送数据。
林远很快就遇到问题：特么的他要怎么录入数据。这份数据太大了，足足有10个g，光靠自己眼睛录入要到猴年马月啊。
【系统，我都跟你说了，给我脑子里弄个wifi，以后你就能和电子设备通信了。】
但是，系统并没有搭理他。
直到林远打算放弃的时候，系统这才主动弹了个提示。
【数据已载入完毕，是否开始训练？】
‘什么时候载入完毕的？’
林远惊奇地在系统面板上看到了眼前服务器上一模一样的数据，这10多个g的数据就那么几下功夫就被系统读取了，整个过程林远都没有察觉到。
【原来你特么不光是只能靠眼睛录入数据。】
林远忽然意识到：难道系统本身就和现实世界有联系？
来不及多想，林远带着这份好奇心开始了系统的ai模型训练。
他将算力功率设定在了50t/s，这是一个很安全不会导致他头晕的功率值。
出乎林远意料，系统仅仅用时一分钟就完成了一次数据训练。50t/s*60s=3000t，也就是才3p的算力消耗。
而林远清楚知道，a100满负荷跑同样的一次数据训练却需要十分钟。
已知，a100的满负荷算力为：35t/s，则a100满负荷运行十分钟产生的算力是：35t/s*600=21000t=21p。
也就是说，完成同样的工作量。算力系统只用了3p算力，而a100则用了21p。由于a100的算力值是现实世界的算力值，因此哪怕是用h100算力卡，其工作效率虽然会提升，但是消耗的总算力不会改变。
进而得出：训练这份10g数据集，算力系统1p的算力相当于现实世界的7p。那算力汇率就变成1比7了。
这不就和之前的1比3对不上了嘛。
这系统虽然神奇，但目前为止林远并没有发现这系统有突破自然法则的迹象。
ai的模型训练其实就是数据计算，既然是数据计算，那就不存在那会儿算的慢这会儿算的快的情况，因为林远用的数据类型没变，都是tf32。
‘难道算力系统有拟人化？有时干活快，有时干活慢？’
带着这个疑问，林远在不同的时候使用算力系统计算同样的那份数据。
他试了在吃饭的时候、蹲坑的时候、睡觉前、甚至是，，，看片片的时候，可特么的最终的算力值消耗是恒定的。
‘艹，你特么这汇率还是波动的？’
林远又转而用算力系统去计算最初的那份tf32测试数据，可又偏偏获得了最初的1比3的算力汇率。
他又不得不换了另外一份同样是10个g左右的外卖配送数据，奇怪的事情发生了，算力汇率变成了1比6。
随后林远不停地变换数据样本，最终他发现：随着选用的数据样本不同，算力汇率竟然是变化的。
特么的，数据样本不同所消耗的算力值变化是正常的。可是算力汇率变化是什么鬼。算力汇率变化，意味着算力系统处理不同数据样本时的效率是不同的。
这就好比同样一台电脑，在运行不同程序的时候，cpu占比不同是很好理解的。可特么这台电脑运行不同程序的时候，cpu的最高主频竟然是变化的。这就反科学了啊。
【喂，系统，告诉我，你特么是不是高维生物。】
【三维世界的规则解释不了你了呀。】
【啊啊啊~~~】
最后，林远不得不深入去研究算力系统的ai模型训练过程。因为当一个黑盒子表现出问题，但你又找不到问题的时候，那你就只有钻进这个黑盒子去看。
虽然，这个黑盒子，很复杂。
林远怀着忐忑的心情让系统展示了详细的训练过程。
“这。。。”
林远瞪大了眼睛，眼前虚空浮现的ar影像中，那代表模型的结构图形竟然在变化。
ai模型训练本质上是用算力卡将采集到的数据，扔进预设的一个模型里头计算。
模型可以被粗略的当成是一个公式。（反正只要你愿意，你甚至可以把整个宇宙看成是一个公式）
所以，ai模型训练简化到极致就是：y=f(x)。
x代表采样数据。
f代表模型。
y是计算结果。
现实中的ai模型训练是在训练过程中改变f的参数，比如：f=2x+1，跑着跑着就会变成：f=3x+1。但绝对不会跑着跑着变成f=3x+1/x+1。
除非人为改变模型后重新跑训练。
但是，算力系统在训练的时候特么地把f的模型结构给改了。
也就是说，f这个公式随着训练原来一直都在变化。那既然是在变化，那算力汇率能固定就有鬼了。
这就好比，一台电脑，竟然能跑着跑着更改自己的cpu结构。
这，，，林远脑中顿时冒出一个难以置信的想法。