是否可以稳定联网。如果只是最简单的图像分类和检测，又在无法稳定联网的情况下，当然还是具有一定的价值。”
“比如自动驾驶场景。”孟繁岐补充道，“我怎么会否定小模型的价值呢，作为研究算法的程序员，我相当关注具体模型和技术的精确度和运行时间。”
孟繁岐从包中掏出了几张检测算法的实验记录表格，“李总，你可以看看我过去几个月的实验结果。我是在十分了解小模型加速优化的情况下做出的判断，而跟您谈合作，我也不是只靠着一个竞赛的冠军。”
IMAGENET竞赛才刚刚结束没多久，生成式对抗网络这么爆炸的创意，论文也刚刚发布出来，这小子竟然还有时间和精力去搞其他的研究？图像的检测算法？
不得不承认，李彦弘被震惊了，但很快他就发现自己还震惊早了。
这特么是什么恐怖的结果？在检测准确度有质的飞跃的同时，模型的运行推理速度竟然是现在顶尖算法的一百多倍？？
你不是在跟我开玩笑吧？这个结果肯定有问题。
李彦弘是精通计算机技术的人，正因为如此，他一时间根本想不出好的办法，甚至好的可能性来解释这个夸张结果的原理又或者是可行性。
语音和图像检测是白度现在主力在搞的技术，他甚至为之组建了华国第一个专攻这方面的研究院。
里面不少才俊都是如今天这样，他亲自去谈去沟通，或者派出非常亲信的下属去招来的。
李彦弘不是要否认孟繁岐的才能，只是这个差距实在太过夸张，让他一时间根本无法解释也无法接受。
“难道要我承认，我这一大家子研究员，上上下下几十号人，还不如面前这个本科生的百分之一？”正值自己人生巅峰的李彦弘心理上实在接受不了。
检测的推理速度差了一百五十多倍就算了，对方竟然还没有牺牲性能来换取检测速度。
这特么到底算是怎么回事？
李彦弘已经看完三遍这个表格了，这表格上都是简明易懂的数字，加上几个使得内容更好理解的可视化图表。
孰优孰若，一目了然。就是让初中生去看，一分钟也看明白了。
但李彦弘已经反反复复看了三分钟了，他一言不发，翻来翻去，不知道在确认些什么。
似乎是想要找到一些不合理的地方，但找着找着就发觉不对劲。
这实验记录上的所有数字，就没有一个是对劲的。
…。。