辛顿笑着调侃道：“就是我这个谷歌大脑主管，也没有见识过这等阵势啊！”

“哈哈哈，辛顿老师说笑了。”孟繁岐这个月来，在论文上获得辛顿的指点甚多，叫这位AI老教父一声老师，绝对合情合理。

“这不是英伟达给的那一批显卡到了，得让硬件资源动起来吗？要是显卡都闲着，怎么像话。”

“给他一个语音任务，他就敢颠覆整个序列问题领域，我是真不敢想他以后还会做出什么。”阿里克斯原本有些萌生了退意，但孟繁岐的出现给了他不少新鲜的感觉。

人工智能发展的速度太快了，他作为这个时代的开启者，怎么能早早就归隐山林呢？

“我们还是被硬件设备所限制了，英伟达的那批泰坦上线之后，我们的任务快了好几倍，有的任务甚至是几十倍上百倍的速度。以前一个月做不完的一大堆任务，现在一周之内绰绰有余。”

伊利亚一点也没有夸张，他和阿里克斯当年做AlexNet的时候，由于显卡显存太小放不下，阿里克斯被迫单独做了针对性的分组封装，为了使得模型可以在两张显卡上运行，工作量相当之大。

如今在泰坦Z上，就完全不需要再做这么复杂的准备工作，直接放进去就可以运行了。

在这件事情上，孟繁岐的功劳还是很大的。是他私下里和黄仁勋达成了协议，替谷歌大脑要走了第一批泰坦Z显卡。

速度方面，孟繁岐去年中几万组装的电脑，为了跑完千分类那上千万的图片数据，得到一次模型就要好几周的时间。

“由于那次竞赛是我规划中一鸣惊人的最重要成绩，我接近一个月都没怎么睡好，生怕电脑出了什么问题。”

孟繁岐回忆起那段时光，自己搞得那么紧张整天扑在代码上面，其实还是设备不够好，完全没有容错率。如果出错一两次，就没有时间提交足够好的结果了。

现在好了，都不需要用很多，四张或者八张显卡一起运行，一两天的时间完全足够了。

“之后显卡和多机多卡更加成熟的时候，这个速度还要更不得了。”

硬件设备升级之后，许多人都在研究如何让多张显卡运算得更快。

到20年左右，128张显卡再来做这个千分类的数据集，训练时间甚至可以缩短到十几分钟乃至几分钟。

这就是三千多倍的速度差距啊...

“技术和高级智能被大型科技企业垄断，也是有原因的，三千多倍的速度差距，就意味着别人一天得到的模型，你要十年才能算完。人家做一周的实验，你一辈子都得不出这些结果。”