终究是走向CP值，最后是要变现的
LLM只是其中一种，重点是后面的神经网络
他在的架构，可以处理那些问题，LLM
就是有意义的接龙，Deepseek某种程度上是优化这个过程，优化的招式不错,$$用的少
有差不多效果，觉得怀疑可以用ollama 拉R1回来试试模型，还算可以啦。
但终究就是，transfermer改,nlp word embedding这样 ，只有这招解决问题是不够的，
从单一模型，到后来MoE，最近软件都是往代理走，但是满普通的，真要说有什么影响就
是对董事会跟投资人不好交代，以后不好融资，我相信openai,跟其他真正在做模型创新
跟落地的都还在一起卷，特别是像deepmind开始各种传统算法的异质结合，最近是遗传演
算法跟模型结合这个很酷，相信会加速发展。
股点来说就是算力需求没有变动，中国有一个新方法让训练可以变快，花的时间短又便宜
，但是还是llm，该算还是要算，缺电还是缺电，温度高还是温度高。
v3 400多b参数不是一般电脑跑得动的
大家还是可以期待digits,跟机器人核心芯片这两块，业内其实很夯这两个东西都很想给
你钱快点出这样，过去受限于，大平台跟硬件的部分可以被解放，那个时候才是软件部份
百花齐放的时候，MOE中不同的模型，使用同一套沟通格式。
化为agent沟通解问题
不难，设计上也是，但是没有方便的装置可以，本地端测试，中国这个没有骗人，方法也
没有不好，要类比的话就是从头开始煮菜
，跟已经备好料，半成品，再产生最后料理是类似。
重点还是在不同神经网络，如何用统一标准彼此沟通分享，解决问题，特别是解决哪些问
题，才是重点，meta一众会烦恼，是不好交代，跟赢不过华人转个弯绕过的思维的卷。