用户的搜索请求发出后，会由这个小模型将用户的请求先进行一次转化。
转化为Y搜在阿狸云服务器上的大模型最有效率能够理解的请求。
而被布置在阿狸云服务器上的这个大模型，就是李博明口中的佛手系统。
搜索过程返回后，再由本地小模型将佛手系统输出的结果进行AI评级后输出到本地页面。
通过这种小模型分布式计算的方式，Y搜的计算资源得到了极大的节省和降低，每个搜索请求所消耗的算力甚至比古狗或千寻还要低。
更为重要的是，由于大量的数据处理是在用户本地完成的，小模型与大模型之间的通信又是AI之间类似神经网络信号的“黑箱沟通”。
这种“不是加密数据但人类却无法理解”的数据即使被第三方截获，也没有任何办法可以破译，可以极大地保护用户数据安全。
实际上，Y搜通过分布式小模型降低搜索公司资源消耗的思路并不是独有的。
几乎目前所有互联网大厂都在布局的IOT“边缘计算”以及古狗刚刚提出的“联邦学习”，其实都是这个思路。
佛手系统的模式，更加类似于古狗提出的“联邦学习”。
只不过古狗的“联邦学习”还处于理论阶段，目前也只是准备在输入法的联想输入上进行尝试性的应用。
内容未完，下一页继续阅读