如果我在国内，有100万经费，打算做一个类似于chatgpt的项目。我的经费大概要这样分配：（只计算具体开票费用，回扣等顺其自然了）
基金委相关老爷们：20%。
个人：17.9%。
研究生劳动力：0.1%。
电脑和服务器：25%。
打点学校和系里相关行政管理职能部门：25%。
还剩12万可以用来做AI 自然语言引擎了。
其中：25块用来买杯咖啡，25块买个临时梯子，一边喝咖啡，一边翻墙上GIThub找个项目抄一抄。
剩下119950块，找个外包公司做个审核系统确保该引擎的全部回答符合社会主义价值观。不符合的一概屏蔽。这个很重要！很重要！很重要！
//2.6补充:我这刚回答完几天，就出现真实反面案例了。不听我的劝导，忽略最后一环的结果是什么呢？请看！
//补充结束
由于自己已在工业界多年不做科研，感谢评论区各位大神指点合理分配比例，就不一一谢过了。
这个回答还有人收藏？？？你们这是干嘛，打算真的照做吗？？？
PS：这个回答本来是抖机灵骗赞的，但看起来赞的人多了，不好意思继续纯骗，我加点干货吧。
从面试的情况看，制造业搞AI的不少，很多是华为出来的。但绝大部分的特点，都是纯炼丹派。他们能够搭起环境，少数还能够跟我谈谈cuda和tf与其同类框架效率的区别，也能够把git上的代码和训练集顺利对接上，但他们最大的问题，（当然也可以看出学校教育最大的问题），是：
他们根本不知道自己在跑什么。
当然，这里是工业界，不是学校，所以你不需要真看懂神经网络的数学原理，也能做事情。但是，好歹一个团队得有个人能明白自己在做什么，炼丹的时候你在找什么，找到了以后意味着什么。不懂神经网络决策树没关系，但你好歹得试图研究一下业务吧？
以我身边的事情为例。厂里的大问题是造出来良率太低。于是车间里的人土法上马，找了几个人开始炼丹。以良率为sota目标，扔了六百多个字段进炼丹炉。至于为什么扔这六百多而不是那八千多，那个组给我的回答是，其实我们也不清楚，而且我们是程序员不是数据工程师，这六百多个（羞涩状）其实就是我们现有生产环境所能找到的全部字段。
我看了一下，那些字段里甚至还有材料英文名。
团队不知道化学组在做什么，化学组也不知道团队在做什么。也不关心。
后来说公司希望把那个组拿到我这里来管，我说，不好意思，忙不过来了。
过了好久我问了一下结果：炼了六个月的丹，找来了四家乙方，外加自家工程师，没有炼出任何成果，当然四家乙方全都是没给一分钱的（当时还有不少热钱投给这些所谓智能制造领域的小公鸡头们），但反正结果是：屁都没有。
于是，所有团队开掉，所有乙方踢走，换一拨人马，继续这样干。
简直幽默极了。 |
|
