对于计算问题，林远一直很想知道这算力系统的实际性能这系统的1p算力到底约等于现实世界的多少算力
以前他没有专业算力设备来测试，但现在因为测试任务，好团的算力设备不就是现成的嘛
好团的紫金分部这边有一个h100和a100gpu混搭的测试用算力平台，林远成功申请到了一块a100的使用权虽然a100比h100差了不少，但这毕竟是正儿八经的算力卡，妥妥能秒杀市面上的各种rtx和hd等电脑用显卡
林远先跑了次针对tf32数据的通用测试，a100对tf32的计算性能基本稳定在35t/s以上自己的算力系统要到达同级别表现只需要将近10t/s的算力功率
林远据此总算标定了算力系统当前的算力性能：大约比现实世界的算力优秀三倍也就是说，同样是1t单位的算力，算力系统的相当于现实世界的3t
也就是说：系统和现实世界的算力汇率是1比3
林远顿时有了种“老子是发达国家，整个现实世界都是第三世界”的感觉，因为老子的算力值钱啊
可即便如此，林远也对用算力系统去跑算法优化也没什么信心因为算力系统的算力汇率也就才是3倍，自己这1000p累积算力根本就不够看的
但是，哪怕是出于好奇心，试还是要试一下的
林远随即就准备给算力系统载入一份采集好的数据这份数据是一段时间内一大群骑手的真实配送数据
林远很快就遇到问题：特么的他要怎么录入数据这份数据太大了，足足有10个g，光靠自己眼睛录入要到猴年马月啊
【系统，我都跟你说了，给我脑子里弄个wifi，以后你就能和电子设备通信了】
但是，系统并没有搭理他
直到林远打算放弃的时候，系统这才主动弹了个提示
【数据已载入完毕，是否开始训练？】
‘什么时候载入完毕的？’
林远惊奇地在系统面板上看到了眼前服务器上一模一样的数据，这10多个g的数据就那么几下功夫就被系统读取了，整个过程林远都没有察觉到
【原来你特么不光是只能靠眼睛录入数据】
林远忽然意识到：难道系统本身就和现实世界有联系？
来不及多想，林远带着这份好奇心开始了系统的ai模型训练
他将算力功率设定在了50t/s，这是一个很安全不会导致他头晕的功率值
出乎林远意料，系统仅仅用时一分钟就完成了一次数据训练50t/s*60s=3000t，也就是才3p的算力消耗
而林远清楚知道，a100满负荷跑同样的一次数据训练却需要十分钟
已知，a100的满负荷算力为：35t/s，则a100满负荷运行十分钟产生的算力是：35t/s*600=21000t=21p
也就是说，完成同样的工作量算力系统只用了3p算力，而a100则用了21p由于a100的算力值是现实世界的算力值，因此哪怕是用h100算力卡，其工作效率虽然会提升，但是消耗的总算力不会改变
进而得出：训练这份10g数据集，算力系统1p的算力相当于现实世界的7p那算力汇率就变成1比7了
这不就和之前的1比3对不上了嘛
这系统虽然神奇，但目前为止林远并没有发现这系统有突破自然法则的迹象
ai的模型训练其实就是数据计算，既然是数据计算，那就不存在那会儿算的慢这会儿算的快的情况，因为林远用的数据类型没变，都是tf32
‘难道算力系统有拟人化？有时干活快，有时干活慢？’
带着这个疑问，林远在不同的时候使用算力系统计算同样的那份数据
他试了在吃饭的时候、蹲坑的时候、睡觉前、甚至是，，，看片片的时候，可特么的最终的算力值消耗是恒定的
‘艹，你特么这汇率还是波动的？’
林远又转而用算力系统去计算最初的那份tf32测试数据，可又偏偏获得了最初的1比3的算力汇率
他又不得不换了另外一份同样是10个g左右的外卖配送数据，奇怪的事情发生了，算力汇率变成了1比6
随后林远不停地变换数据样本，最终他发现：随着选用的数据样本不同，算力汇率竟然是变化的
特么的，数据样本不同所消耗的算力值变化是正常的可是算力汇率变化是什么鬼算力汇率变化，意味着算力系统处理不同数据样本时的效率是不同的
这就好比同样一台电脑，在运行不同程序的时候，cpu占比不同是很好理解的可特么这台电脑运行不同程序的时候，cpu的最高主频竟然是变化的这就反科学了啊
【喂，系统，告诉我，你特么是不是高维生物】
【三维世界的规则解释不了你了呀】
【啊啊啊~~~】
最后，林