索科学可行的实施路径，已成为教育大模型建设亟待解决的重 要课题。 4.4.1 以算力、数据、算法的协同优化实现高算效和高能效 2020 年 1 月，OpenAI 基于长期研究与实践提出了“规模法则（Scaling Law）”：通过持续增加模型规模、 扩充训练数据量以及投入更多计算资源，能够显著提升人工智能模型的性能表现。因其直观的“投入越多、效 果越好”特性，被 OpenAI 等头部企业和美国 混合精度训练，使模型推理速度大幅度提升，体现了算力升级对算法迭代的加 速作用。采用合成数据替代部分真实数据，减少数据清洗与标注的算力消耗，说明数据生成技术可以重构算力 需求。三位一体的技术演进，打破了人工智能的“规模法则”，推动大模型从高算力竞赛转向高算能应用发展， 加速了大模型在教育领域中的普惠落地。DeepSeek 的实践推动了芯片设计从单纯堆砌算力转向算法适配性提 升，引导昇腾等国产芯片基于 DeepSeek

s r,bu c k e t,o bj_k ey); 检查 u s e r 和 Bu c k e t 的合法性，要求存在、访问权限；不合法则 返回失败； Us e r 和 Bu c ke t 检查通过，则进行如下处理：象表中； 第 1 2 0 页 删除对象在元数据表中的信息； 将删除对象及其在 h