（来源：上观新闻）
你问一🇲🇻个LLM“把🙍♂️杯子从桌子边🐋缘推下去会怎样”☘，它能回答“🇬🇩🤣杯子会🖍掉到地上”🏗，却并不能🏀🇰🇷真正理解重力🇫🇷、加速度、碰撞📱，它只是从训🙅♂️🕳练数据中记住🧹🤒了类似的句子💋。当前很多👛🧡神经网络是全连🐻接的，每个元素📍🕕和每个其⚔他元素都有🌛🛹连接，其中大📷🌑量连接🤾♂️😺毫无价值却仍在🕰🧨消耗算力🍹📛。
构建和加🙏😊工如此复杂的结🇪🇭构所产生🔁的累积应力，正🤷♂️🌠是当前仿👩❤️👩🗒真工具🔣🏊♀️在面板尺度上👨❤️👨仍在努🍠🕧力精确建🦉🇦🇴模的多变量👡问题⏸❤。尽管组合式♻推理的愿景很美好😱😛，但一🦍个关键的现实问题🎂🌟是，形式化规约👹需要靠🐅🧽人类专🧴家用极其严谨的数🎪👩🎓学公式手写，人力🇨🇳🤸♂️成本高昂🔣🤦♀️。
按照这个👋标准，李飞飞的☄🚪Marbl🥀e就不🔡📌太合格，用🎀户只能🎳看，不能🍻🇾🇪做🥪。黄仁勋提⚽出了一个核心🗃🦛策略：“预🕍取瓶颈”（pre♣fetchin🔪🚶♀️g t🆖he b🤢📷ott🇸🇰leneck💨s）——英伟达🚼提前数🔡🥁年布局可能出🚫🍵现的供🏋🇷🇼应链卡点🔞。
