孟繁岐最近發動的一系列圖像和文本的對齊工作，大多都是一個相對長期的過程，需要三五個月去完成。

    最主要還是因為孟繁岐現在手頭的數據量太大，而他現在正在推進的模型規模也太大了。

    相比13、14年，孟繁岐在15、16年推出新技術的速度有明顯的減緩，最核心的原因就是算力方面的硬件制約。

    在軟件和優化方面，孟繁岐這里其實已經要比其他地方快好幾倍了。

    后世不少在計算方式和邏輯上的巧妙思路都已經被孟繁岐提前加入了進來，相同的工作如果要在谷歌等其他公司上進行，還得再慢兩三倍。

    “不是哥們不努力，實在是被硬件速度所限制了。給我把P100全都換成后來的A100，我的研發速度能快五倍！”

    孟繁岐這話實在也不是吹。

    他與CloseAI的核心技術人員敲定Clip圖像加文本的對齊，又或者是MAE的圖像重構流程，其實都不是特別繁瑣復雜的一件事情。

    技術上的突破，最關鍵的還是想法和思路，具體的執行和代碼寫作上，硅谷這里的高手實在太多了。

    從技術研究人員變為老板，其實孟繁岐在代碼開發上的壓力是小了很多的。

    相比幾個月的漫長等待，寫代碼的這幾周時間完全不起眼。

    現階段最為磨人的，還是訓練代碼這一漫長的煉丹過程。

    不過這也算得上是一柄雙刃劍了，算力制約了孟繁岐發布新技術的速度，但漫長的過程同樣也使得其他人想要追趕孟繁岐的步伐變得格外困難。

    根據文字生成圖像的功能需要不短的時間才能完善，但好在根據圖像總結出文字的功能要容易不少。

    在ChatGPT上繼續升級這個能力，尚不需要從頭去重構大量圖片數據。

    這個功能孟繁岐預計一個月的時間內可以做出，到時候就可以開始逐漸推進ChatGPT的發布工作。

    到時候下一批的顯卡到貨，孟繁岐就能夠放出一小部分試用額度用作宣傳，販售相關接口和API開始實現營收。

    在等待的這段時間，人工智能屆也不算平靜。