科研系學(xué)霸 第5章 不好意思，我打斷一下。

四個學(xué)生過后，很快就輪到周昀了。

“周昀同學(xué)你好，你沒有帶簡歷，要不先做個自我介紹，然后講一下你今后三年的規(guī)劃？”

周昀點點頭：“我叫周昀，本科畢業(yè)于.........”

簡單介紹了一下自己的畢業(yè)學(xué)校，初試成績，自我介紹就算完了，畢竟過去平淡的二十年真沒什么好介紹的。

“對于未來三年，我的想法是認(rèn)真科研，爭取讀博......”

當(dāng)鄧永華聽到讀博兩個字的時候，看周昀的眼神都有些發(fā)光了，就像是觸發(fā)了關(guān)鍵詞一樣。

坐在他身邊的邱彥和沈瑞兩人都有些欽佩地看向周昀。

這小子有點虎啊，讀博？這是一般人能讀的嗎？

等周昀說完后，鄧永華點點頭：“剛剛聽你說了，你對科研很感興趣，雖然你五道題全都答出來了，

但是想要搞好科研光靠這些是遠(yuǎn)遠(yuǎn)不夠的，你覺得你在科研方面有哪些優(yōu)勢？”

全答出來了？！

邱彥和沈瑞，包括旁邊坐著的四位同學(xué)看著周昀的表情都不一樣了。

邱彥和沈瑞想的是：這小學(xué)弟有點東西啊，如果不出意外的話，這學(xué)生老師肯定要收下的，別的不說，就這基礎(chǔ)就不是一般人能有的。

而另外四人想的則是：壞，遇到大佬了！心中都不由得為自己捏了一把汗。

“老師，其實我覺得我在科研方面還算是有點天賦，不過這樣說您也未必會信，我準(zhǔn)備了一個PPT，要不我簡單匯報一下？”

和這種科研型的導(dǎo)師講話，最好的說話方式就是實話實說。

鄧永華眉頭微挑：“可以啊，當(dāng)然沒問題，這里就有線，你帶電腦了嗎？要是沒帶，我的電腦可以暫時借你用一下。”

“我?guī)щ娔X了。”周昀從身后的書包中拿出電腦，熟練的連上了大屏幕的HDMI線。

在電腦開機的時候，墻邊的四位同學(xué)只感覺自己再次受到了暴擊。

不是哥們？咱們不是面試來了嗎，你這咋還匯報上了？

雖然不知道周昀要匯報什么，但是這種場合下，沒點真東西，敢隨便亂講話嗎？

周昀的實力在他們心里再次提高了一個檔次。

而邱彥和沈瑞的表情就變的有些復(fù)雜了，看向周昀的眼神帶著幾分同情。

雖然鄧永華平時人很好，但是牽扯到學(xué)術(shù)問題上就會相當(dāng)嚴(yán)肅，被罵那都是基本操作。

每次組會的時候，要是沒人被罵，那才是真的奇了怪了。

別看鄧?yán)蠋煬F(xiàn)在一臉笑容，等會兒他就會讓你知道，什么叫做科研的嚴(yán)謹(jǐn)。

周昀起身走到大屏幕旁邊。

他要開始裝....不對，是匯報了。

“AgileEdge: Adaptive Co-Optimization for Pervasive Low-Latency Edge AI，這是我今天要匯報的內(nèi)容。”

一口流利的英語讓鄧永華滿意地點點頭，不過表情卻是變的嚴(yán)肅了不少。

還沒等周昀繼續(xù)，他就開口問道：“你是要匯報論文嗎？這是什么期刊或者會議上的論文？作者是誰？......”

邱彥和沈瑞都是一副果然如此的樣子，他們記得當(dāng)初他們第一次匯報的時候雖然有著新手保護(hù)期，但也被鄧?yán)蠋焼柕乃廊セ顏淼摹?/p>

不過當(dāng)他們看向周昀時，卻發(fā)現(xiàn)他臉上沒有一絲的緊張。

事實也確實如此，三年下來，周昀都不知道經(jīng)歷過多少組會了，緊張？那是不存在的。

等鄧?yán)蠋熢捯袈湎拢荜酪荒槒娜莸幕卮穑骸斑@是我想要研究的課題，根據(jù)我的調(diào)研，暫時還沒有以這篇文章命名的論文。”

“哦？這個題目是你自己想的？”周昀的回答讓他有些意外，就算是他手下那幾個要讀博的研三的學(xué)生，也沒有誰的研究課題是完全獨立想出來的。

這對于一個研零的學(xué)生來說已經(jīng)是非常不錯了。

“你繼續(xù)。”

周昀翻到下一頁PPT，沒有文字，PPT上是一些著名的AI公司的LOGO：“這些都是現(xiàn)在比較著名的AI公司，

GPT，claude，gemini這都是現(xiàn)在世界上頂尖的大模型，不可否認(rèn)的是，這些大模型的性能都非常強，但相對應(yīng)的，訓(xùn)練他們所耗費的資源也是海量。

一個先進(jìn)的圖像識別模型可能需要幾十甚至上百兆的內(nèi)存，數(shù)以億計的計算量。

它們就像高性能的跑車，必須在云端數(shù)據(jù)中心這樣的大跑道上才能發(fā)揮實力，但是現(xiàn)實生活中，大家的設(shè)備都是電腦，手機，攝像頭等等。”

說到這里周昀停了一下，將PPT翻到下一頁。

老師沒有提問，那他就繼續(xù)講。

“這種情況下，我們面臨一個巨大的挑戰(zhàn)：如何讓龐大、復(fù)雜的AI模型，在這些資源有限的“小設(shè)備”上，也能跑得又快又好，還能實時響應(yīng)？

以下四點是我認(rèn)為的需要解決的幾個痛點：

1.尺寸不符：大模型在小設(shè)備上跑不動，或直接裝不下。

2.速度滯后：即使勉強能跑，響應(yīng)速度也慢，用戶體驗差。

3.能耗巨大：小設(shè)備電池續(xù)航有限，大模型會迅速耗盡電量。

4.網(wǎng)絡(luò)依賴：依賴云端意味著有延遲，且斷網(wǎng)就失效，**也難以保障。”

“不好意思，我打斷一下。”

“老師您說。”

“你剛才提到了這些大模型性能雖強，但資源消耗巨大，而現(xiàn)在你想把這些大模型塞進(jìn)小設(shè)備里，其中的難點我理解，

但是，既然這些頂尖大模型在云端表現(xiàn)如此出色，為什么我們非要執(zhí)著于把它們硬塞進(jìn)邊緣設(shè)備？

云端計算的便捷性和可擴展性難道不更符合AI發(fā)展的趨勢嗎？邊緣部署的必要性到底有多強？”

這個問題問的非常刁鉆，如果周昀不能回答，那就算是從根本上否定了研究的必要性。

“老師的問題確實非常關(guān)鍵，如您所言，云端大模型在性能和可擴展性上確實有無可比擬的優(yōu)勢，

但是大模型的基石是數(shù)據(jù)！

在金融、醫(yī)療、國家安全等高度敏感的行業(yè)，數(shù)據(jù)“不出境”或“不出廠區(qū)”是嚴(yán)格的法律法規(guī)要求。

這種情況下，任何云端的數(shù)據(jù)傳輸都是具有一定風(fēng)險的，雖然其有強大的安全措施，但其本身就是一個巨大的‘靶心’，

一旦云服務(wù)遭受網(wǎng)絡(luò)攻擊，影響范圍可能是災(zāi)難性的，這一點相信老師肯定是有所了解的。”