在开始正题前，请容许我做一番回顾，并夹带一点点私货（谷歌扛旗的开源精神还没有死，并且会是未来的举足轻重的力量）
卧龙凤雏，一时瑜亮。一切的缘起应该是世纪初的门户网站乱战。
彼时，谷歌是从业者心中圣地，是白嫖党的小甜甜，别人家免费邮箱推出是为了让你用的不爽转vip，他家直接容量1G，可以anti-spam，可以发超大附件，可以永久保存，可以聊天（g+）。这也是后来他家推出drive，以及各家跟进网盘的铺垫。
但是随着一系列拉扯和2010退出大陆市场，drive的定位就非常尴尬了，容量吧够用，但是比起来国内市场的狗大户就完全不够看，最重要的网速和访问得不到保证，所以尬吹党不少，但体验就是如人饮水冷暖自知，要不然这块市场也轮不到微软的onedrive，onenote这些小字辈后来居上了。
这段期间谷歌的操作就很迷，开新案子的速度和关停老项目的速度一样快，主打一个目不暇接。我在早点的博文中有致敬过，这里就不展开了。
Google Graveyard - Killed by Google
The Google Cemetery - Dead Google products
互联网总有各种热闹，永恒的主题是剩者为王，意外（比如关停google lab等一大批生态服务）又不那么意外的（颇有波折但谷歌一直执着于成为云大厂），并且通过开源项目的导入，慢慢的找到了自己的定位（RL），这本应是一个浪子回头重回巅峰的剧本，如果没有openAI横空出世的话。
大模型非常惊艳，多模态一骑绝尘，把刚露了个雏形的AI工业革命迅速加热。资本的宣传口径是，有了LLM，传统的人工智能算法都可以退休了（圣杯已经找到，其他的杯子就都可以叫杯具了）。这是个有争议的做法，因为两个问题没有解决，一个是大模型AI一路都非常非常非常花钱，而且还将继续非常非常非常花钱，整个玩法是普通人，普通公司高攀不起的，形成事实上的寡头（这种做法真的很微软）；另一个是已经在工业和商业领域盈利的AI，都有自己扎实的技术栈，跟进即可，也犯不着All in大模型。未来如何，要看天；只是怎么看，openAI的玩法都会让人觉得脊背一寒，充满了浓浓的废土风。（《黑客帝国》，《银翼杀手》，《少数派报告》，《辐射》... ...）
扯远了，回到Google Drive和Colab本身。上来先送Xeon(R) 双核CPU @ 2.20GHz，呃，有点寒碜，好在有GPU么，（免费个人套餐）Tesla T4/16G，看看香不香 - 不求豪华，至少有个自行车了，略大于在线版的某派 -
总之，现在你有一个用于学习实践的基础环境了，至于需要跑什么模型，可以github上拉，也可以从系统欢迎界面自带的例程开始 -
我看b站的up主有把第二个做成视频教程的，那么咱们也选这个来说道说道。
jupiter notebook的界面，既有说明，又有脚本执行，用来做教程简直完美，几乎一路next下去就好，中间会碰到一些依赖库变化导致的error，一般只要重新安装指定版本的库也就搞定。如果发现不顺利也没关系，谷歌还有提供Gemini助手，帮助诊断问题和提供代码建议 -
需要注意的是，中断运行或者重启运行以后，中间结果和输出就都没了，必须从头再来。以及，用完了记得清理，一直放着不动谷歌可能会扣机时。
好了，临渊羡鱼不如自己织网，注册一下google账号，亲手实践一下吧。
也希望能把您关于AI上的认识多多分享！
至于能运行，乃至开发，调教大模型的环境，呃，如果您在校，可以问问学校的数据中心，估计会拍的很满，毕竟是一个A100卖到20万，万卡集群，用电约等于一座城市这样量级的投入，折算下来，每分钟上千+刀。