据 @ylecun 表示，他未参与 Llama 的研发；Llama 1 由 FAIR-Paris 的小团队完成，Llama 2–4 由 Meta 的 GenAI 产品组织负责，他本人仅推动 Llama 2 开源，来源：Yann LeCun 在 X 的发文 https://twitter.com/ylecun/status/1993840625142436160。 他补充称自己在 2018 年已不再领导 FAIR，之后专注于视频自监督学习、世界模型与规划，本次发文未包含任何新版本发布或许可变更，来源：Yann LeCun 在 X 的发文 https://twitter.com/ylecun/status/1993840625142436160。 就交易而言，此次为作者与组织归属澄清，并未带来新的催化；Meta 对 Llama 2 的商用许可仍可用并支持广泛部署，而面向 AI 工作负载的去中心化 GPU 网络（如 Akash Network 的算力市场）仍提供运行开源模型的基础设施，来源：Meta AI《Llama 2》公告 https://ai.meta.com/blog/llama-2/；Akash Network 文档 https://docs.akash.network/；Yann LeCun 在 X 的发文 https://twitter.com/ylecun/status/1993840625142436160。

据@AndrewYNg表示，GPU对AI工作负载至关重要，再次突出图形加速器在AI算力周期中的核心地位。来源: https://twitter.com/AndrewYNg/status/1983609014408851718 英伟达的数据中心GPU（H100、H200）与Blackwell平台面向大规模训练与推理，使NVDA成为AI GPU需求的主要市场风向标。来源: https://www.nvidia.com/en-us/data-center/h100/ ；https://www.nvidia.com/en-us/data-center/h200/ ；https://www.nvidia.com/en-us/data-center/technologies/blackwell/ 超微的Instinct MI300系列聚焦AI训练与推理，为市场提供替代性的AI加速器供应并增强竞争供给。来源: https://www.amd.com/zh/products/accelerators/instinct/mi300 以太坊在2022年9月完成合并，从工作量证明转向权益证明，结束了ETH的GPU挖矿，将ETH网络安全与GPU硬件脱钩。来源: https://ethereum.org/zh/roadmap/merge/ 去中心化算力项目利用GPU服务于渲染与AI工作负载，其中Render Network（RNDR）与Akash Network（AKT）在其官方文档中描述了基于GPU的去中心化服务与代币化资源市场。来源: https://docs.rendernetwork.com/ ；https://docs.akash.network/