ViT 更消耗算力，这恰恰打通了端侧算力升级的逻辑 —— 更强的算力可以真正转化为更强的能力，而不是”空有算力却无法提升能力”… 报告指出，GEM 模型当前的主要痛点在于不同模态信号的对齐，以及灾难性遗忘、模态鸿沟等问题，”不仅需要模型工程上的持续优化，在未来执行层面，也需要专门的算力芯片架构进行配合”… 报告指出，大部分端侧模型的预训练和微调都需要借助 CUDA 生态完成，”如果在端侧使用 GPGPU 架构的算力，那么无论是部署速度，部署效果都会远超需要转译的 NPU 环境”。
ViT 更消耗算力，这恰恰打通了端侧算力升级的逻辑 —— 更强的算力可以真正转化为更强的能力，而不是”空有算力却无法提升能力”… 报告指出，GEM 模型当前的主要痛点在于不同模态信号的对齐，以及灾难性遗忘、模态鸿沟等问题，”不仅需要模型工程上的持续优化，在未来执行层面，也需要专门的算力芯片架构进行配合”… 报告指出，大部分端侧模型的预训练和微调都需要借助 CUDA 生态完成，”如果在端侧使用 GPGPU 架构的算力，那么无论是部署速度，部署效果都会远超需要转译的 NPU 环境”。