Deep Speed Chat主要什么意义？

（1）拉低端到端门槛，用户可直接用自身数据进行RLHF调参，用户数据、场景数据成为重中之重
（2）从通用大模型到行业/用户专属模型成本初步被定义，在Azure云上只需9小时即可训练一个OPT-13B模型，只需18小时即可训练一个 OPT-30B模型。这两种训练分别花费不到300美元和600 美元。（这里训练非pre-train，而是fine-tune）
（3）训练效率提升可大幅优化训练成本，这是一项系统性工程

Deep Speed Chat有什么影响？

（1）小模型由于成本高、效果未来有望被超越，长期生存面临威胁，拥抱大模型逐渐是必然之路，犹豫就会败北！！
（2）初步Chat功能模型门槛降低，手握场景数据话语权更加重要
我们当前应该关注什么？
（1）什么样的厂商可以做到GPT-4，不仅仅技术问题，团队更重要
（2）什么样的厂商可以占住市场，技术目前不是首要，渠道和数据更重要

建议关注科大讯飞（教育数据闭环+真正投入+预期产品落地）、税友股份（税务数据+有场景可结合）、广联达（建筑IT龙头，数据闭环）、同花顺（金融数据+市场化客户）、新点软件（招采数据、政务数据）