亚马逊云科技2022 re:Invent全球大会昨日开幕。会上,亚马逊云科技推出三款分别由三种新的自研芯片支持的Amazon EC2实例。
配备了AWS Nitro V5的C7gn实例,作为一款网络优化型实例,带宽提升到了200Gbps,同时每秒数据包转发性能提升50%,为网络密集型工作负载提供了更高性能。Hpc7g实例配备Amazon新一代Arm处理器Graviton3E,与Hpc6a相比性能提高了20%,为亚马逊云科技的高性能计算工作负载提供了超高性价比。Inf2实例配备Amazon最新Inferentia2机器学习加速推理芯片,专为大型深度学习模型而设计,与Inf1相比可提供高达4倍的吞吐量,降低多达10倍的延迟。
我们的科技留言板“有意见”如下
@卡卡卡卡西:云厂商造芯片已经成了共识,一是可以降本增效,二还可以提高自主能力,亚马逊2015年收购了芯片制造商Annapurna Labs后就开始自研芯片了,这次发的Graviton3E是其三代服务器芯片的进阶版,运算效率又有了30%的提升,之后服务器芯片市场,主流芯片厂商会越来越难捞油水了。
@TOFU:Graviton是Arm在云计算中很好的例子,这次Graviton3E最多可以提供64个vCPU 内核和128GiB的内存,负载执行效率提升35%。云计算厂商最近都在积极研发和部署ARM架构的产品,除了AWS,微软、Google、华为云也都有涉足,看来ARM架构才是云计算的未来。
@华强萨日朗:这次大会上亚马逊云科技也宣布和黑莓扩大合作,黑莓使用的是AWS Graviton2处理器。本次发布的Graviton3E是Graviton3的一个变种,Graviton3相较于Graviton2有25%的性能提升,这能够为更多的行业带来更高的效率。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。