林远将所有问题归纳为两点：计算、采集。
对于计算问题，林远一直很想知道这算力系统的实际性能。这系统的1P算力到底约等于现实世界的多少算力。
以前他没有专业算力设备来测试，但现在因为测试任务，好团的算力设备不就是现成的嘛。
好团的紫金分部这边有一个H100和A100GPU混搭的测试用算力平台，林远成功申请到了一块A100的使用权。虽然A100比H100差了不少，但这毕竟是正儿八经的算力卡，妥妥能秒杀市面上的各种RTX和HD等电脑用显卡。
林远先跑了次针对TF32数据的通用测试，A100对TF32的计算性能基本稳定在35T/S以上。自己的算力系统要到达同级别表现只需要将近10T/S的算力功率。
林远据此总算标定了算力系统当前的算力性能：大约比现实世界的算力优秀三倍。也就是说，同样是1T单位的算力，算力系统的相当于现实世界的3T。
也就是说：系统和现实世界的算力汇率是1比3。
林远顿时有了种“老子是发达国家，整个现实世界都是第三世界”的感觉，因为老子的算力值钱啊。
可即便如此，林远也对用算力系统去跑算法优化也没什么信心。因为算力系统的算力汇率也就才是3倍，自己这1000P累积算力根本就不够看的。
但是，哪怕是出于好奇心，试还是要试一下的。
林远随即就准备给算力系统载入一份采集好的数据。这份数据是一段时间内一大群骑手的真实配送数据。
林远很快就遇到问题：特么的他要怎么录入数据。这份数据太大了，足足有10个G，光靠自己眼睛录入要到猴年马月啊。
【系统，我都跟你说了，给我脑子里弄个WiFi，以后你就能和电子设备通信了。】
但是，系统并没有搭理他。
直到林远打算放弃的时候，系统这才主动弹了个提示。
【数据已载入完毕，是否开始训练？】
‘什么时候载入完毕的？’
林远惊奇地在系统面板上看到了眼前服务器上一模一样的数据，这10多個G的数据就那么几下功夫就被系统读取了，整个过程林远都没有察觉到。
【原来你特么不光是只能靠眼睛录入数据。】
林远忽然意识到：难道系统本身就和现实世界有联系？
来不及多想，林远带着这份好奇心开始了系统的AI模型训练。
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。
try{ggauto();} catch(ex){}
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。
