這項(xiàng)由韓國(guó)科學(xué)技術(shù)院（KAIST）人工智能研究生院的李熙俊、樸根等研究人員領(lǐng)導(dǎo)的研究發(fā)表于2025年2月的學(xué)術(shù)期刊，論文題目為"Extending Language Model Context Up to 3 Million Tokens on a Single GPU"。有興趣深入了解的讀者可以通過(guò)arXiv:2502.08910v1訪問(wèn)完整論文。該研究團(tuán)隊(duì)還與DeepAuto.ai公司合作，共同開發(fā)了這項(xiàng)突破性技術(shù)。

現(xiàn)代人工智能就像一個(gè)極其聰明但健忘的助手。當(dāng)你跟它聊天時(shí)，它能理解復(fù)雜的問(wèn)題，給出精彩的回答，但有個(gè)致命弱點(diǎn)：記不住太多東西。就好比一個(gè)人只能記住最近幾句話，再往前的內(nèi)容就會(huì)忘得一干二凈。這個(gè)問(wèn)題在人工智能領(lǐng)域被稱為"上下文長(zhǎng)度限制"，簡(jiǎn)單說(shuō)就是AI的"短期記憶"太小了。

設(shè)想你正在與AI討論一本長(zhǎng)篇小說(shuō)的情節(jié)發(fā)展，剛開始一切都很順利，AI能準(zhǔn)確理解你提到的人物關(guān)系和故事線索。但當(dāng)對(duì)話進(jìn)行到一定程度后，AI突然開始犯糊涂，忘記了你之前提到的關(guān)鍵情節(jié)，甚至搞混了主要角色。這就是當(dāng)前大型語(yǔ)言模型面臨的核心挑戰(zhàn)——它們的"記憶容量"嚴(yán)重不足。

傳統(tǒng)的解決方案就像給一個(gè)書桌很小的學(xué)生更多課本一樣困難。要么花費(fèi)巨額資金購(gòu)買更強(qiáng)大的硬件設(shè)備，就像買一張更大的書桌；要么簡(jiǎn)單粗暴地刪除一些舊信息，就像把舊課本扔掉為新書騰地方。這兩種方法都有明顯缺陷：前者成本高昂，普通人根本用不起；后者會(huì)丟失重要信息，影響AI的理解能力。

KAIST的研究團(tuán)隊(duì)提出了一個(gè)巧妙的解決方案，他們開發(fā)的InfiniteHiP系統(tǒng)就像一個(gè)精明的圖書管理員，能夠智能地決定哪些信息需要立即使用，哪些可以暫時(shí)存放在"倉(cāng)庫(kù)"里。這套系統(tǒng)成功地讓單個(gè)GPU（圖形處理器）就能處理多達(dá)300萬(wàn)個(gè)詞匯的上下文，相比傳統(tǒng)方法提升了3倍，同時(shí)速度還快了18.95倍。

一、智能篩選：像圖書管理員一樣管理信息

傳統(tǒng)的AI處理長(zhǎng)文本時(shí)，就像一個(gè)強(qiáng)迫癥患者必須同時(shí)記住每一個(gè)細(xì)節(jié)。當(dāng)你給它一篇10萬(wàn)字的文檔時(shí)，它會(huì)試圖同時(shí)關(guān)注每一個(gè)詞匯，這就導(dǎo)致計(jì)算量呈幾何級(jí)數(shù)增長(zhǎng)。就好比讓一個(gè)人同時(shí)記住一整本字典的每個(gè)詞條，不僅累得要命，效率也極其低下。

InfiniteHiP采用了一種稱為"模塊化分層修剪"的技術(shù)。這個(gè)名字聽起來(lái)很復(fù)雜，但原理其實(shí)很簡(jiǎn)單，就像一個(gè)經(jīng)驗(yàn)豐富的編輯在處理長(zhǎng)篇文章時(shí)的工作方式。編輯不會(huì)逐字逐句地反復(fù)閱讀整篇文章，而是先快速瀏覽全文，抓住主要段落；然后在關(guān)鍵段落中找出重要句子；最后聚焦于真正需要仔細(xì)推敲的詞匯。

具體來(lái)說(shuō)，這套系統(tǒng)分為三個(gè)處理階段。第一個(gè)階段就像用廣角鏡頭掃描整片森林，快速識(shí)別出哪些區(qū)域最重要。研究團(tuán)隊(duì)發(fā)現(xiàn)，在一個(gè)包含12.8萬(wàn)詞匯的文檔中，只有不到2%的段落包含了超過(guò)12.5%的關(guān)鍵信息，而大約75%的段落根本不包含任何重要信息。這個(gè)發(fā)現(xiàn)為他們的方法提供了堅(jiān)實(shí)的理論基礎(chǔ)。

第二個(gè)階段就像使用望遠(yuǎn)鏡聚焦于重要區(qū)域，進(jìn)一步縮小范圍。第三個(gè)階段則像使用放大鏡，精確鎖定最關(guān)鍵的詞匯。通過(guò)這種層層遞進(jìn)的方式，系統(tǒng)能夠以極高的精度找到真正重要的信息，同時(shí)大幅減少需要處理的數(shù)據(jù)量。

這種方法的巧妙之處在于它的動(dòng)態(tài)性。系統(tǒng)不是預(yù)先設(shè)定哪些信息重要，而是根據(jù)當(dāng)前的查詢內(nèi)容實(shí)時(shí)判斷。就像一個(gè)智能的搜索引擎，當(dāng)你輸入不同的關(guān)鍵詞時(shí)，它會(huì)給出完全不同的搜索結(jié)果。這確保了系統(tǒng)始終能夠找到與當(dāng)前對(duì)話最相關(guān)的信息。

二、記憶拓展：突破預(yù)訓(xùn)練長(zhǎng)度的枷鎖

大多數(shù)AI模型都有一個(gè)嚴(yán)重局限：它們只能處理與訓(xùn)練時(shí)長(zhǎng)度相似的文本。這就好比一個(gè)只在100米跑道上訓(xùn)練過(guò)的運(yùn)動(dòng)員，突然被要求跑馬拉松，結(jié)果可想而知。當(dāng)模型遇到比訓(xùn)練時(shí)更長(zhǎng)的文本時(shí)，就會(huì)出現(xiàn)各種奇怪的問(wèn)題，理解能力急劇下降。

傳統(tǒng)的解決方案是重新訓(xùn)練模型，讓它適應(yīng)更長(zhǎng)的文本。但這就像讓運(yùn)動(dòng)員重新進(jìn)行長(zhǎng)期訓(xùn)練一樣，需要大量的時(shí)間、數(shù)據(jù)和計(jì)算資源。對(duì)于已經(jīng)部署的模型來(lái)說(shuō)，這種方法既不現(xiàn)實(shí)也不經(jīng)濟(jì)。

InfiniteHiP團(tuán)隊(duì)采用了一種更聰明的策略，稱為"動(dòng)態(tài)位置編碼調(diào)整"。要理解這個(gè)概念，我們可以想象AI理解文本時(shí)需要給每個(gè)詞匯分配一個(gè)"座位號(hào)"，就像電影院里的座位一樣。傳統(tǒng)模型只認(rèn)識(shí)1到1000號(hào)座位，當(dāng)出現(xiàn)1001號(hào)座位時(shí)就會(huì)徹底迷惑。

研究團(tuán)隊(duì)的解決方案是讓模型學(xué)會(huì)靈活地重新編排座位號(hào)。他們開發(fā)了兩種策略：一種叫"塊索引編碼"，將相鄰的詞匯歸為一組，給整組分配一個(gè)座位號(hào)；另一種叫"相對(duì)位置編碼"，不使用絕對(duì)的座位號(hào)，而是使用相對(duì)位置關(guān)系，比如"在某個(gè)詞匯的左邊"或"在某個(gè)詞匯的右邊"。

更巧妙的是，系統(tǒng)會(huì)根據(jù)不同的處理層使用不同的策略。在模型的前幾層（相當(dāng)于初步理解階段），使用塊索引編碼來(lái)處理位置信息；在后面的層次（相當(dāng)于深度理解階段），切換到相對(duì)位置編碼。這種分層處理方式充分利用了模型不同層次的特點(diǎn)，實(shí)現(xiàn)了最佳的長(zhǎng)文本處理效果。

三、內(nèi)存優(yōu)化：巧用"冷熱存儲(chǔ)"節(jié)省資源

處理超長(zhǎng)文本時(shí)，另一個(gè)重大挑戰(zhàn)是內(nèi)存使用。AI模型在工作時(shí)需要將大量信息暫時(shí)存儲(chǔ)在高速內(nèi)存中，這些信息被稱為"鍵值緩存"。傳統(tǒng)方法就像把所有東西都放在辦公桌上一樣，桌子很快就會(huì)被塞滿，無(wú)法處理更多內(nèi)容。

InfiniteHiP采用了一種類似"冷熱存儲(chǔ)"的策略。就像我們整理文件時(shí)，會(huì)把經(jīng)常使用的文件放在手邊，把不常用的文件存放到柜子里。系統(tǒng)會(huì)智能地判斷哪些信息是"熱數(shù)據(jù)"（需要頻繁訪問(wèn)），哪些是"冷數(shù)據(jù)"（暫時(shí)不需要但不能刪除）。

熱數(shù)據(jù)被保存在GPU的高速內(nèi)存中，確?？焖僭L問(wèn)。冷數(shù)據(jù)則被轉(zhuǎn)移到普通內(nèi)存中，雖然訪問(wèn)速度稍慢，但節(jié)省了寶貴的GPU內(nèi)存空間。當(dāng)系統(tǒng)需要使用某個(gè)冷數(shù)據(jù)時(shí)，會(huì)快速將其調(diào)回GPU內(nèi)存，同時(shí)將一些不再需要的熱數(shù)據(jù)降級(jí)為冷數(shù)據(jù)。

這種動(dòng)態(tài)內(nèi)存管理策略配合了LRU（最近最少使用）策略，類似于我們整理房間時(shí)的自然習(xí)慣：把最近用過(guò)的東西放在容易拿到的地方，把很久沒用的東西收起來(lái)。這種方法讓系統(tǒng)能夠用有限的GPU內(nèi)存處理幾乎無(wú)限長(zhǎng)的文本。

四、性能突破：數(shù)字背后的巨大飛躍

研究團(tuán)隊(duì)在多個(gè)標(biāo)準(zhǔn)測(cè)試中驗(yàn)證了InfiniteHiP的性能。在LongBench測(cè)試中，這套系統(tǒng)使用Llama 3模型時(shí)比最佳基準(zhǔn)方法提高了7.17個(gè)百分點(diǎn)，使用Mistral模型時(shí)提高了3.19個(gè)百分點(diǎn)。更重要的是，系統(tǒng)在處理更長(zhǎng)文本時(shí)表現(xiàn)更加出色，在∞Bench測(cè)試中的提升幅度更加顯著。

速度提升更是令人印象深刻。在處理100萬(wàn)詞匯的上下文時(shí)，預(yù)填充階段的速度提高了20.29倍，解碼階段提高了19.85倍。這意味著原本需要幾十分鐘才能完成的任務(wù)，現(xiàn)在幾分鐘就能搞定。

內(nèi)存使用效率的提升同樣驚人。在處理25.6萬(wàn)詞匯時(shí)，傳統(tǒng)FlashAttention2方法需要20GB內(nèi)存，而InfiniteHiP只需要6.1GB，節(jié)省了約70%的內(nèi)存。處理100萬(wàn)詞匯時(shí)，傳統(tǒng)方法需要68GB內(nèi)存，InfiniteHiP仍然只需要6.1GB，效率提升超過(guò)10倍。

研究團(tuán)隊(duì)還測(cè)試了系統(tǒng)的"記憶準(zhǔn)確性"。在一項(xiàng)名為"鑰匙找回"的測(cè)試中，系統(tǒng)需要在長(zhǎng)達(dá)100萬(wàn)詞匯的文檔中準(zhǔn)確找到特定信息。InfiniteHiP在各種長(zhǎng)度的文檔中都保持了98%以上的準(zhǔn)確率，證明其不僅快速，而且可靠。

五、實(shí)際應(yīng)用：從理論到現(xiàn)實(shí)的距離

為了證明技術(shù)的實(shí)用性，研究團(tuán)隊(duì)將InfiniteHiP集成到了SGLang框架中，這是一個(gè)廣泛使用的大型語(yǔ)言模型服務(wù)平臺(tái)。集成后的系統(tǒng)能夠在單個(gè)L40s GPU（擁有48GB內(nèi)存）上處理300萬(wàn)詞匯的上下文，這相當(dāng)于大約6000頁(yè)的文檔內(nèi)容。

在真實(shí)應(yīng)用場(chǎng)景中，系統(tǒng)展現(xiàn)了出色的適應(yīng)性。無(wú)論是處理長(zhǎng)篇學(xué)術(shù)論文、分析大型代碼庫(kù)、還是理解復(fù)雜的法律文檔，InfiniteHiP都能保持穩(wěn)定的性能。更重要的是，這種技術(shù)是"即插即用"的，無(wú)需重新訓(xùn)練現(xiàn)有模型，就能顯著擴(kuò)展其處理能力。

研究團(tuán)隊(duì)特別測(cè)試了系統(tǒng)對(duì)不同類型任務(wù)的適應(yīng)能力。在文檔問(wèn)答任務(wù)中，系統(tǒng)能夠準(zhǔn)確理解跨越數(shù)萬(wàn)詞匯的復(fù)雜推理鏈條。在代碼分析任務(wù)中，它能夠跟蹤大型軟件項(xiàng)目中的函數(shù)調(diào)用關(guān)系和數(shù)據(jù)流。在摘要生成任務(wù)中，它能夠從超長(zhǎng)文檔中提取核心觀點(diǎn)，生成簡(jiǎn)潔準(zhǔn)確的摘要。

六、技術(shù)細(xì)節(jié)：分層處理的精妙設(shè)計(jì)

InfiniteHiP的核心創(chuàng)新在于其分層處理架構(gòu)。第一層處理使用較大的數(shù)據(jù)塊，每個(gè)塊包含256個(gè)詞匯，快速識(shí)別重要區(qū)域。這一步的計(jì)算復(fù)雜度與文檔長(zhǎng)度成正比，但由于采用了高度并行化的算法，實(shí)際處理速度很快。

第二層處理將數(shù)據(jù)塊縮小到32個(gè)詞匯，在第一層篩選出的重要區(qū)域中進(jìn)行更精細(xì)的分析。第三層處理進(jìn)一步縮小到8個(gè)詞匯的粒度，最終鎖定最關(guān)鍵的信息。每一層都保留前一層選出的最重要部分，確保關(guān)鍵信息不會(huì)丟失。

這種設(shè)計(jì)的巧妙之處在于不同層次之間的協(xié)調(diào)機(jī)制。系統(tǒng)會(huì)動(dòng)態(tài)調(diào)整每層保留的信息數(shù)量，確保在不同長(zhǎng)度的文檔中都能獲得最佳性能。當(dāng)處理較短文檔時(shí)，系統(tǒng)會(huì)保留更多細(xì)節(jié)；當(dāng)處理超長(zhǎng)文檔時(shí)，會(huì)更加嚴(yán)格地篩選信息。

緩存策略也經(jīng)過(guò)精心設(shè)計(jì)。系統(tǒng)不是每次都重新計(jì)算注意力模式，而是緩存中間結(jié)果，并定期更新。更新頻率根據(jù)不同層次的特點(diǎn)進(jìn)行調(diào)整：第一層每16步更新一次，第二層每8步更新一次，第三層每4步更新一次。這種差異化的更新策略在保持準(zhǔn)確性的同時(shí)最大化了計(jì)算效率。

七、對(duì)比優(yōu)勢(shì)：為什么InfiniteHiP脫穎而出

與現(xiàn)有的長(zhǎng)文本處理方法相比，InfiniteHiP具有多個(gè)顯著優(yōu)勢(shì)。傳統(tǒng)的"滑動(dòng)窗口"方法雖然能控制計(jì)算量，但會(huì)丟失歷史信息，就像一個(gè)只能記住最近幾句話的健忘癥患者。"注意力稀疏化"方法雖然能保留長(zhǎng)期信息，但往往需要預(yù)先設(shè)定關(guān)注模式，缺乏靈活性。

"鍵值緩存驅(qū)逐"策略會(huì)永久刪除一些信息，當(dāng)后續(xù)對(duì)話需要這些信息時(shí)就會(huì)出問(wèn)題。而現(xiàn)有的"分層注意力"方法雖然有類似思路，但往往需要多次全局同步，嚴(yán)重影響并行化效率。

InfiniteHiP的獨(dú)特之處在于它將多種策略有機(jī)結(jié)合，并且都是在推理時(shí)動(dòng)態(tài)進(jìn)行，不需要修改預(yù)訓(xùn)練模型。這種"訓(xùn)練無(wú)關(guān)"的特性意味著它可以應(yīng)用到任何現(xiàn)有的大型語(yǔ)言模型上，無(wú)需重新訓(xùn)練或微調(diào)。

研究團(tuán)隊(duì)還特別關(guān)注了算法的可擴(kuò)展性。隨著文檔長(zhǎng)度的增加，系統(tǒng)的性能下降是可控的、可預(yù)測(cè)的。這與某些方法在超過(guò)臨界長(zhǎng)度后性能急劇下降形成鮮明對(duì)比。

八、挑戰(zhàn)與局限：技術(shù)的邊界

盡管InfiniteHiP取得了顯著成功，但研究團(tuán)隊(duì)誠(chéng)實(shí)地承認(rèn)了現(xiàn)有技術(shù)的局限性。最主要的挑戰(zhàn)是預(yù)填充階段仍然需要相當(dāng)長(zhǎng)的時(shí)間。即使速度提升了20倍，處理100萬(wàn)詞匯的文檔仍需要幾分鐘時(shí)間，這在某些實(shí)時(shí)應(yīng)用場(chǎng)景中可能不夠理想。

另一個(gè)挑戰(zhàn)是內(nèi)存使用的線性增長(zhǎng)。雖然系統(tǒng)通過(guò)冷熱存儲(chǔ)大幅提高了內(nèi)存效率，但處理超大文檔時(shí)仍然受到硬件內(nèi)存總量的限制。當(dāng)文檔長(zhǎng)度達(dá)到極限時(shí)，即使是普通內(nèi)存也可能不夠用。

系統(tǒng)的性能還依賴于文檔的特性。對(duì)于信息密度很高、每個(gè)部分都同等重要的文檔，分層篩選的效果會(huì)打折扣。雖然系統(tǒng)仍能正常工作，但性能提升幅度會(huì)減少。

研究團(tuán)隊(duì)也注意到，不同類型的任務(wù)對(duì)系統(tǒng)配置有不同要求。處理代碼時(shí)需要更精細(xì)的粒度設(shè)置，處理自然語(yǔ)言時(shí)則可以使用更大的數(shù)據(jù)塊。目前系統(tǒng)雖然提供了多種預(yù)設(shè)配置，但仍需要用戶根據(jù)具體應(yīng)用場(chǎng)景進(jìn)行調(diào)優(yōu)。

九、未來(lái)展望：技術(shù)發(fā)展的方向

研究團(tuán)隊(duì)對(duì)InfiniteHiP的未來(lái)發(fā)展提出了幾個(gè)重要方向。首先是進(jìn)一步優(yōu)化預(yù)填充階段的速度。他們正在探索"懶加載"和"推測(cè)性計(jì)算"等技術(shù)，希望能夠在用戶輸入文檔時(shí)就開始預(yù)處理，而不是等到完整接收后再開始。

第二個(gè)方向是內(nèi)存壓縮技術(shù)的集成。通過(guò)與量化、壓縮等技術(shù)結(jié)合，有望進(jìn)一步降低內(nèi)存使用，處理更長(zhǎng)的文檔。研究團(tuán)隊(duì)特別看好"漸進(jìn)式壓縮"的思路，即根據(jù)信息的重要性采用不同程度的壓縮。

第三個(gè)方向是自適應(yīng)配置技術(shù)。未來(lái)的系統(tǒng)應(yīng)該能夠自動(dòng)分析文檔特征，選擇最合適的處理策略，而不需要用戶手動(dòng)調(diào)優(yōu)。這需要結(jié)合機(jī)器學(xué)習(xí)技術(shù)，讓系統(tǒng)從大量實(shí)例中學(xué)習(xí)最佳配置模式。

研究團(tuán)隊(duì)還在探索將InfiniteHiP擴(kuò)展到多模態(tài)場(chǎng)景，處理包含文本、圖像、音頻等多種信息的長(zhǎng)序列。這對(duì)自動(dòng)駕駛、機(jī)器人控制等應(yīng)用領(lǐng)域具有重要意義。

十、影響與意義：改變AI應(yīng)用的可能性

InfiniteHiP技術(shù)的意義遠(yuǎn)超出了技術(shù)本身。它為AI應(yīng)用開啟了許多以前無(wú)法實(shí)現(xiàn)的可能性。在教育領(lǐng)域，AI助手現(xiàn)在可以分析整本教科書，為學(xué)生提供跨章節(jié)的深度解答。在法律領(lǐng)域，AI可以同時(shí)參考大量相關(guān)案例和法規(guī)，提供更全面的法律建議。

在科研領(lǐng)域，研究人員可以讓AI分析整個(gè)研究領(lǐng)域的文獻(xiàn)，發(fā)現(xiàn)跨論文的研究模式和趨勢(shì)。在軟件開發(fā)中，AI可以理解整個(gè)代碼庫(kù)的結(jié)構(gòu)，提供更準(zhǔn)確的代碼建議和錯(cuò)誤診斷。

這項(xiàng)技術(shù)也讓AI的"個(gè)性化"成為可能。通過(guò)分析用戶的完整對(duì)話歷史，AI可以更好地理解用戶的偏好和需求，提供更加貼心的服務(wù)。這種"長(zhǎng)期記憶"能力讓AI與用戶的交互更加自然和連貫。

從商業(yè)角度看，InfiniteHiP顯著降低了部署長(zhǎng)文本AI應(yīng)用的成本。原本需要昂貴的多GPU集群才能處理的任務(wù)，現(xiàn)在用一塊消費(fèi)級(jí)GPU就能完成。這讓更多的中小企業(yè)和個(gè)人開發(fā)者能夠享受到先進(jìn)AI技術(shù)的紅利。

說(shuō)到底，InfiniteHiP解決的不僅僅是技術(shù)問(wèn)題，更是讓AI真正具備了處理復(fù)雜、長(zhǎng)篇內(nèi)容的能力。就像給一個(gè)聰明但健忘的助手配備了完美的記憶系統(tǒng)，現(xiàn)在它不僅能理解復(fù)雜問(wèn)題，還能記住完整的上下文，為用戶提供更加智能和貼心的幫助。這項(xiàng)技術(shù)的普及將推動(dòng)AI應(yīng)用進(jìn)入一個(gè)全新的階段，讓人工智能真正成為我們處理復(fù)雜信息的得力助手。KAIST團(tuán)隊(duì)的這項(xiàng)突破為整個(gè)AI領(lǐng)域指明了一個(gè)重要的發(fā)展方向，相信會(huì)激發(fā)更多創(chuàng)新研究，推動(dòng)長(zhǎng)文本AI技術(shù)的快速發(fā)展。

Q&A

Q1：InfiniteHiP是什么？它能做什么？

A：InfiniteHiP是由韓國(guó)科學(xué)技術(shù)院開發(fā)的長(zhǎng)文本AI處理系統(tǒng)，它能讓單個(gè)GPU處理多達(dá)300萬(wàn)個(gè)詞匯的超長(zhǎng)文檔，相當(dāng)于6000頁(yè)的內(nèi)容。這套系統(tǒng)就像一個(gè)智能圖書管理員，能夠快速找到長(zhǎng)文檔中的關(guān)鍵信息，速度比傳統(tǒng)方法快18倍，內(nèi)存使用卻減少70%。

Q2：InfiniteHiP和現(xiàn)有的AI模型有什么區(qū)別？

A：最大的區(qū)別是InfiniteHiP不需要重新訓(xùn)練AI模型就能大幅擴(kuò)展其記憶能力。傳統(tǒng)AI模型就像只能記住幾句話的健忘癥患者，而InfiniteHiP通過(guò)智能的信息篩選和內(nèi)存管理技術(shù)，讓AI能夠同時(shí)處理和理解超長(zhǎng)文檔，且是即插即用的。

Q3：普通用戶什么時(shí)候能用上InfiniteHiP技術(shù)？

A：研究團(tuán)隊(duì)已經(jīng)將InfiniteHiP集成到SGLang框架中，這是一個(gè)開源的AI服務(wù)平臺(tái)。由于這是"訓(xùn)練無(wú)關(guān)"技術(shù)，理論上可以應(yīng)用到任何現(xiàn)有的大型語(yǔ)言模型上。不過(guò)從研究成果到消費(fèi)級(jí)產(chǎn)品還需要一定時(shí)間，預(yù)計(jì)未來(lái)1-2年內(nèi)會(huì)有商業(yè)化應(yīng)用出現(xiàn)。