众所周知，数据、算法与算力是人工智能发展的三驾马车。过去的十年，是基于深度学习的「AI大飞跃」，各类创新算法的迸发不断带来新的焦点，算法突破成为AI研究者的集中攻坚地。然而，与时俱进，人们不断发现：随着深度学习的日新月异，单单算法的飞跃已经无法满足AI整体的前进需求。算法/模型的长板，在数据、算力甚至应用等因素的短板牵制下，也开始寸步难行。这其中，一个典型的例子是大模型的发展——尽管AI领域的研究者都清楚大模型的性能优势与未来潜力，知道大模型开源对AI发展的远大意义，但却绕不过大模型开源的一个凶猛的「拦路虎」：算力。在数据端也同样如此。不久前，AI科技评论就报道过一项研究，其称在 AI研究
