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。】

本章未完，请点击下一页继续阅读！ 第2页 / 共3页