“得嘞，您有信心就校”
薛璃点点头，没有再多问。
接着，两人就异星科技后续投入成本进行了分析，发现这又是一个烧钱大坑！
员工工资、场地租金什么的都是头，设备采购和每月电费才是大头。
现在的设备只够前期训练，后期还是要大量买入显卡提高算力，设备越多消耗电量就越多。
以chatGipt-4为例。
训练一次大模型，大约需要3个月时间。
训练时需要使用2.5万张英伟达A100显卡，每张显卡的功耗是400瓦。
这么计算下来，训练一次就需要消耗2.4亿度电！
chatGpt3就更夸张，单次训练的耗电量高达12亿度电。
若购电价格是每度电1元，那光是电费就要花12亿。
当然，工业用电价格肯定低很多，而且他们的数据也可能存在水分。
不然人家deepseek的训练成本是怎么压低到五百万美元的？
几个亿的差距，这可不是一句算法架构更优秀、训练策略更高效，就能解释的。
“这样吧，除了那实缴的一千万的注册资金外，我再拿一千万出来，先给公司用着吧，不够再。”
袁意想了想后道。
他手里还有三千多万的现金，拿一千万出来都是事儿。
反正公司现阶段的工作主要是数据收集与预处理，这工作比较简单，成本也不高。
首先要收集互联网（如社交媒体、网页）、专业数据库（如知网）、传感器设备的数据。
这些数据花钱就能买到。
其次进行数据清洗，去除其中存在的错误、重复、残缺数据。
这需要数据分析师和数据工程师。
最后是数据标注与划分，标注完成后，将数据分为训练、验证、测试三个大集。
标注工作比较简单，完全可以外包出去。
做完这些，才是最重要的模型架构选择与设计。
接着是训练、测试、评估、优化、应用。
前期的数据收集处理工作，袁意压根就没打算参与。
这些工作压根就是“在线搬砖”，既枯燥又无聊，不值得他浪费时间。
他花那么多积分将【人工智能开发】点满，可不是为了每坐在电脑面前，看着视频框人。
见他又随手拿出一千万，薛璃顿时酸的要死。
这家伙哪来这么多钱？？
刚才答应给三千万，现在又掏一千万，四千万怎么在他这儿跟毛毛雨一样？
她越来越好奇这钱的来路了。
如果像袁意自己的，这些钱都是凭炒股赚的。
那他这么厉害，应该去搞私募基金，怎么会费劲巴拉的搞这么多不同行业的公司？
虽然心里疑惑，但她并没有真的询问出来。
人要时刻牢记自己的位置。
交浅言深可是大忌！
领导表现的如何亲和与礼贤下士，那是他的事儿，你不能因为这个就飘了。
她跟这袁意混的时间可不算长，虽然现在看似很信任，但如果已经完全建立了信任，那纯属是扯淡。
而且，搞管理的岗位不比搞技术的，没有不可替代性。
踢一个没有股份的高管出去，影响几乎可以是没樱
而拥有公司90％股份得袁意，可以没有任何阻力的做到这件事儿。
所以，她现在最好多做少问，踏实做事儿。
跟着袁意时间久了，她相信答案自然会水落石出。