书书小说网

手机浏览器扫描二维码访问

第333章 市占市占市占5000求保底月票（第1页）

“刚刚阿狸云已经同意给予Y搜更大的资源弹性。”

面对李博明的紧张，周授兹显得非常镇定，拍了拍李博明的肩膀，给他吃了颗定心丸。

听到周授兹的话，李博明稍稍松了口气，随后又摇了摇头，笑道：“每天十万迈元的云服务存储计算和带宽成本，就能解决每天五亿次的搜索请求。”

“如果一个月前有人跟我说这个话，我一定以为他已经疯了。”

“佛手系统的分布式小模型，居然在只比普通搜索引擎多消耗十分之一资源的情况下，在用户本地完成百分之九十以上的AI计算。”

“如果不是亲眼所见，我绝不会相信还有这种技术。”

听到李博明的感叹，周授兹也深以为然的点了点头。

虽然他不是搞技术出身的，但从事高科技投资这么多年，耳濡目染和持续学习下，对IT的前沿技术发展并不陌生。

Y搜这种近乎于断崖式领先的搜索技术，此前连听都没听说过！

为了降低计算成本，Y搜采用了分布式小模型架构，用户打开Y搜页面后，就会在浏览器后台逐步加载一个几十M的小模型。

用户的搜索请求发出后，会由这个小模型将用户的请求先进行一次转化。

转化为Y搜在阿狸云服务器上的大模型最有效率能够理解的请求。

而被布置在阿狸云服务器上的这个大模型，就是李博明口中的佛手系统。

搜索过程返回后，再由本地小模型将佛手系统输出的结果进行AI评级后输出到本地页面。

通过这种小模型分布式计算的方式，Y搜的计算资源得到了极大的节省和降低，每个搜索请求所消耗的算力甚至比古狗或千寻还要低。

更为重要的是，由于大量的数据处理是在用户本地完成的，小模型与大模型之间的通信又是AI之间类似神经网络信号的“黑箱沟通”

。

这种“不是加密数据但人类却无法理解”

的数据即使被第三方截获，也没有任何办法可以破译，可以极大地保护用户数据安全。

实际上，Y搜通过分布式小模型降低搜索公司资源消耗的思路并不是独有的。

几乎目前所有互联网大厂都在布局的IOT“边缘计算”

以及古狗刚刚提出的“联邦学习”

，其实都是这个思路。

佛手系统的模式，更加类似于古狗提出的“联邦学习”

。

只不过古狗的“联邦学习”

还处于理论阶段，目前也只是准备在输入法的联想输入上进行尝试性的应用。

而Y搜，毫无疑问在技术上已经把古狗远远抛在了后面！

相当于Y搜用古狗和千寻几十分之一的运营成本，就能达到甚至远超古狗相同的请求负载和更好的搜索效果！

这是代差式的技术领先！

简直就像九年前水果的IOS对诺基亚塞班S60的打击一样！

水果从推出iPhone到全面击溃诺记，用了5年时间。

Y搜击败千寻和古狗，又需要多久？

李博明心潮澎湃，周授兹表面看上去云淡风轻，心里却是亚历山大。

做CTO的只需要考虑如何加快技术迭代和满足运维需求就可以了，他这个CEO需要考虑的可就太多了。