算法效率比灵境低一倍，那就投入两倍芯片；训练速度不够快，那就扩大集群，或者延长训练时间；推理成本太高，也能通过新一代芯片和大规模采购慢慢降下来！
报告最后写道：“灵境科技的成功并非无法复制，它只是比竞争对手更早准备好了硬件！”
简而言之，浑水的意思就是“力大砖飞”！
这份报告刚刚发布，英伟达和几家存储公司的股价再次应声大涨。
华尔街很喜欢这种论调。
如果女娲的领先来自陈平对技术方向的判断，外面的投资机构很难从中赚钱。
投资者买不到陈平，也无法确定其他公司里有没有第二个陈平。
硬件就简单多了。
计算芯片有出货量，服务器有订单，数据中心也能算出大概需要多少钱。
只要投入足够多，人工智能的成功看上去就有了一条清楚的路径。
有人做了一张讽刺图，把女娲画成一台由几十万张计算卡堆起来的机器，陈平则站在机器顶端，手里举着一面写有“技术创新”的小旗子。
图片下面还配了一句话：“只要卡够多，谁都能当天才！”
原本就不喜欢灵境的人也看准机会跟着大部队冲锋。
他们认为女娲根本没有外界吹得那么神，只是灵境提前几年囤了大量高端计算卡，硬生生用钱堆出了效果。
其中最常见的一种说法，是谷歌如果拿到同等规模的硬件，Gemini一定会比女娲更强。
百度的支持者也认为，文心一言欠缺的主要是算力，只要后续补上计算资源，和女娲之间的差距很快就会缩小。
有人翻出灵境过去几年的采购记录，发现公司从2011年开始便持续买入高端计算卡。
女娲项目还没有公开时，灵境已经着手建设大型数据中心。
到了2012年，灵境又和英伟达、AMD签下长期采购合同，拿走了相当一部分新增产能。
许多科技公司后来想采购计算卡，交货时间却已经排到一年以后。
这些事原本被视为陈平眼光超前，如今却被另一批人拿来证明灵境只会堆硬件。
“灵境提前把卡买光，再说别人模型不行，这比赛公平吗？”
“谷歌要是早准备三年，女娲还能有这么大优势？”
“灵境的领先，至少有一半来自供应链！”
支持灵境的人很快听不下去了。
“灵境买卡的时候，谷歌和脸书怎么不抢？”
“平神提前几年拿真金白银下注，当时你们笑他浪费钱，现在看见女娲成功，又说不公平！”
“计算卡就摆在市场上，谁拦着其他公司买了？”
双方很快吵了起来，堪比粉圈大战。
反对灵境的人认定硬件才是女娲真正的护城河，支持者则觉得，把女娲的成功全归到计算卡上，就像说厨师做菜好吃全靠锅。
技术论坛里，一名参与过大型计算集群建设的工程师发了一篇长文。
他先承认硬件非常重要，没有足够的计算资源，再好的模型设计也无法完成训练。
可几十万张卡买回来以后，怎么让它们一起工作，本身就是一个极难的问题。
大规模训练期间，任何一台服务器出现故障，都可能拖慢整个任务。
节点之间的传输速度不够，芯片便会浪费大量时间等待数据。
存储读取跟不上，计算能力再强也发挥不出来。
模型还要被拆分到不同设备，训练期间怎么同步参数，如何控制误差，遇到故障后又怎么恢复，全都需要软件解决。
这名工程师在文章里写道：“一台发动机放在地上不会自己变成汽车，10万台服务器堆进机房，也不会自己训练出女娲！”
上述言论很快便火出圈了。
有人赞同他的分析，也有人坚持认为，只要投入的硬件足够多，软件上的差距总能被弥补。
一名灵境研究院的匿名工程师忍不住回了一句：“软件效率如果能提高十倍，为什么一定要多花十倍的钱？”
对方给出的回答也很直接：“因为其他公司拿不到灵境的软件！”
这句话说中了问题的关键。
女娲使用的训练框架、模型架构和集群调度系统都没有公开，外界能看到女娲的实际效果，却不知道灵境到底是怎么把模型训练出来的。
灵境发表过部分论文，也公布过机器视觉和行业模型的研究成果，但最核心的通用模型技术始终守得很严。
其他公司没办法照着女娲的技术路线走，只能尝试用更多硬件填补差距。
这也让“大力出奇迹”的说法多了几分市场。
……
国内一家科技论坛很快组织了一场线上辩论。
辩论的主题只有一句话：“更多、更强大的硬件能不能复制女娲1.0？”
支持方请来一名半导体行业分析师。
这名分析师认为，人工智能过去的发展已经证明，只要计算规模上升，很多长期没有进展的技术难题都会出现突破。
早年的语音识别和图像识别也曾经停滞多年，等计算卡性能提高，训练数据变多，识别准确率很快就上去了。
在他看来，女娲如今展示出来的代码、推理和文档处理能力，也和训练规模有很大关系。
灵境现在能够直接调度的高端计算卡数量，超过大多数人工智能公司的总和，其他公司的模型效果不如女娲，很可能只是因为训练量还不够。
分析师还举了个例子：
“一个学生每天做一万道题，另一个每天只做100道，两个人考试成绩有差距，能证明前者的学习方法更好吗？”
这个说法得到不少观众支持。
有人觉得人工智能行业一直把算法说得太玄，硬件数量反而是最实在的东西。
只要谷歌、百度等公司拿出和灵境相同的硬件规模，再比较谁的模型更强，才算真正公平。
反对方请来的是一名姑苏大学计算机学院教授。
他听完这个比喻，笑着问了一句：“如果每天做一万道题的人，反而用时更短呢？”
教授认为，硬件规模只是决定模型能力的因素之一，模型结构、训练方法和数据质量，同样会影响最终结果。
单纯依靠硬件堆积，成本很快会高到无法承受。
假设灵境完成一次训练，需要10万张计算卡运行三个月，竞争对手的软件效率只有一半，那就要投入20万张卡，或者把训练时间延长一倍。
训练完成还只是第一步，模型每天给用户回答问题，同样会持续消耗算力。
女娲的fast模型能够永久免费，很大程度上说明灵境已经把推理成本压到了较低水平。
其他公司就算堆出能力相近的模型，使用成本如果高出几倍，也很难和女娲正面竞争。
教授也举了一个更生活化的例子：
“两辆车都能跑到每小时200公里，一辆百公里耗油十升，另一辆要烧100升，你们觉得这两辆车的技术一样吗？”
直播间里的风向很快发生变化。
许多观众这才意识到，模型训练出来之后，还得考虑几亿用户日常使用的成本。
谷歌有钱，确实可以在前期补贴Gemini，可用户规模达到几亿以后，任何公司也不可能永远替用户承担高额电费和硬件损耗。
支持硬件路线的分析师随即指出，芯片技术本身也在进步。
新一代推理芯片会降低耗电量，存储和网络成本也会继续下降，今天看起来非常昂贵的算力，几年后可能变得便宜许多。
软件效率稍微落后，并不会永远构成致命问题。
教授并没有否认这一点。
他只提醒了一句：“硬件会进步，灵境的软件难道会一直停在原地吗？”
这句话过后，双方又争了起来。
支持Gemini的人认为谷歌拥有搜索数据、自研芯片和全球数据中心，真正集中资源以后，很快就能超过灵境。
女娲用户则认为，Gemini和文心一言现在都只有演示视频，连产品都没发布，讨论谁胜谁负没有意义。
主持人几次试图把话题拉回来，最后也没能得出结论。
这场辩论的在线观看人数达到了夸张的600万，直接让不少圈外人懵逼了。
搞技术的，也能这么火吗？观众真的看得懂那些深奥的公式、算法和代码吗？
这场直播结束后，双方各自截取对自己有利的片段，带回社交平台继续争论。
灵境科技始终没有回应，女娲的官方账号只更新服务恢复情况。
哪座节点完成维护，哪些地区缩短排队时间，什么时候恢复图片功能，公告里都写得很清楚。
至于“女娲全靠囤卡”之类的说法，灵境连一个字都没提。
有人觉得灵境不敢正面回答。
支持者却认为，核心技术本来就属于商业机密，灵境没有义务公开给竞争对手检查。
外面吵得再厉害，也没有影响灵境研究院的工作。
女娲2.0的训练因为调走算力而有所延迟，季铭带着团队重新调整了计划，原本借给公测服务的计算资源开始分批收回。
新采购的设备还没到，工程团队只能继续优化1.0的推理效率，他们压缩了部分重复计算，又把一些简单问题交给轻量模型处理。
经过几天调整，相同硬件能够承载的用户数量提高了20%左右。
4月10号以后，国内用户在普通时段已经能直接使用女娲。
北美和欧洲依旧需要排队，好在没有再次出现大面积故障。
新用户注册仍然关闭。
每天都有几百万人守着灵境官网，等着注册通道重新开放。
有人甚至开始倒卖女娲账号！
普通免费账号被炒到几十美元，注册时间早、使用记录少的账号价格更高！
灵境发现后，立刻限制了异常登录和频繁更换地区的账号。
官方也反复提醒，账号里面涉及聊天记录和个人资料，千万不要私下交易！
可越是限制，想买的人越多。
……
4月11号，陈平在灵境总部接受了一家国内财经媒体的简短采访。
采访原本只谈数据中心扩建，临近结束时，记者还是问起了网上的争论：
“陈总，现在有机构认为，只要拿到和灵境同等规模的硬件，其他公司也能复制女娲的成功，您怎么看？”
陈平一言不发。