还要论页数收费。就连下载之后的阅读器，甚至都需要专门的....”
此消彼长之下，差了多少珍贵的数据啊...
只是此时此刻，李彦弘应该还没有想到这么大规模的数据用于训练。因而孟繁岐也不急于一时和他讨论后面语言类的技术，以及生成式的大模型。
最近一两年内，孟繁岐的重心还是在视觉图像算法这边。
“李总，我个人相信AI技术的开源程度是相对的，不可以一直这样透明下去。只是最后成为壁垒的可能并不是模型本身这个纯技术范畴，更多的可能是计算能力，高质量的大规模数据，以及一些精髓的训练与反馈方式等等。”
“即便是现在的开源时期，算法产生到模型和代码公之于众，其实正常来说，有个半年到一年的时间差，都是正常的。”
“对学术界来说，这不是一个特别长的时间，但对业界能够真实落地的方向来说。这个时间导致的结果可能是天差地别，甚至是一个企业生与死的区别和距离。”
李彦弘闻言微微颔首，他自然明白孟繁岐话里暗示的意思。
假设说，李彦弘他想要推出一个实时高性能的图像检测应用，目前市面上的算法是没有能够支持他所需要的计算速度和准确度的。
即便孟繁岐愿意公开手里的结果，以论文的审阅方式，至少也是半年后，人们才会知道其中的技术细节。
再加上复现和试错的时间，他能够在8-9个月内的时间里把技术应用进去，就已经很快了。
但如果与孟繁岐合作，自然就能够提前8-9个月直接获得这项技术。
这么长的时间，足够李彦弘把各方面的适配，嵌入，甚至是App和用户界面等交互的东西全都开发完备。
市场方面的宣传和交涉也可以早早展开。
等到技术首次公布的时候，竞争者们还在看论文，惊叹于新技术的性能。
白度则已经和潜在客户谈了三四个月了。
竞争者们还在争相复现结果的时候，白度则可能连订单都已经签下了。
一旦白度这样的大型龙头企业能在技术创新上打出半年到大半年的时间差，后起之秀就很难分到大块的蛋糕了。
李彦弘心里计算着这里面的得失，觉得如果对方实在不肯考虑招聘一事的话，的确这种合作对自己来说百利而无一害。
“你的意思是，你总是会第一时间，又或者是提前和白度分享你的最新成果，
本章未完，请点击下一页继续阅读！