林遠將所有問題歸納為兩點：計算、採集。
對於計算問題，林遠一直很算力系統的實際效能。這系統的1p算力到底約等於現實世界的多少算力。
以前他沒有專業算力裝置來測試，但現在因為測試任務，好團的算力裝置不就是現成的嘛。
好團的紫金分部這邊有一個h100和a100 gpu混搭的測試用算力平臺，林遠成功申請到了一塊a100的使用權。雖然a100比h100差了不少，但這畢竟是正兒八經的算力卡，妥妥能秒殺市面上的各種rtx和hd等電腦用顯示卡。
林遠先跑了次針對tf32資料的通用測試，a100對tf32的計算效能基本穩定在35t/s以上。自己的算力系統要到達同級別表現只需要將近10t/s的算力功率。
林遠據此總算標定了算力系統當前的算力效能：大約比現實世界的算力優秀三倍。也就是說，同樣是1t單位的算力，算力系統的相當於現實世界的3t。
也就是說：系統和現實世界的算力匯率是1比3。
林遠頓時有了種“老子是發達國家，整個現實世界都是第三世界”的感覺，因為老子的算力值錢啊。
可即便如此，林遠也對用算力系統去跑演算法最佳化也沒什麼信心。因為算力系統的算力匯率也就才是3倍，自己這1000p累積算力根本就不夠看的。
但是，哪怕是出於好奇心，試還是要試一下的。
林遠隨即就準備給算力系統載入一份採集好的資料。這份資料是一段時間內一大群騎手的真實配送資料。
林遠很快就遇到問題：特麼的他要怎麼錄入資料。這份資料太大了，足足有10個g，光靠自己眼睛錄入要到猴年馬月啊。
【系統，我都跟你說了，給我腦子裡弄個wifi，以後你就能和電子裝置通訊了。】
但是，系統並沒有搭理他。
直到林遠打算放棄的時候，系統這才主動彈了個提示。
【資料已載入完畢，是否開始訓練？】
‘什麼時候載入完畢的？’
林遠驚奇地在系統面板上看到了眼前伺服器上一模一樣的資料，這10多個g的資料就那麼幾下功夫就被系統讀取了，整個過程林遠都沒有察覺到。
【原來你特麼不光是隻能靠眼睛錄入資料。】
林遠忽然意識到：難道系統本身就和現實世界有聯絡？來不及多想，林遠帶著這份好奇心開始了系統的ai模型訓練。
他將算力功率設定在了50t/s，這是一個很安全不會導致他頭暈的功率值。
出乎林遠意料，系統僅僅用時一分鐘就完成了一次資料訓練。50t/s*60s=3000t，也就是才3p的算力消耗。
而林遠清楚知道，a100滿負荷跑同樣的一次資料訓練卻需要十分鐘。
已知，a100的滿負荷算力為：35t/s，則a100滿負荷執行十分鐘產生的算力是：35t/s*600=21000t=21p。
也就是說，完成同樣的工作量。算力系統只用了3p算力，而a100則用了21p。由於a100的算力值是現實世界的算力值，因此哪怕是用h100算力卡，其工作效率雖然會提升，但是消耗的總算力不會改變。
進而得出：訓練這份10g資料集，算力系統1p的算力相當於現實世界的7p。那算力匯率就變成1比7了。
這不就和之前的1比3對不上了嘛。
這系統雖然神奇，但目前為止林遠並沒有發現這系統有突破自然法則的跡象。
ai的模型訓練其實就是資料計算，既然是資料計算，那就不存在那會兒算的慢這會兒算的快的情況，因為林遠用的資料型別沒變，都是tf32。