“ChatGPT现象”中最大受惠者之一,角色是“卖铲人”的英伟达,在COMPUTEX—2023上又发布了 NVIDIA DGX 超级计算机,旨在助力开发面向生成式 AI 语言应用、推荐系统和数据分析工作负载的巨型、下一代模型。DGX GH200 超级计算机集成了 NVIDIA 最先进的加速计算和网络技术,并包含 NVIDIA 软件,可为最大的 AI 和数据分析工作负载提供一个交钥匙式全栈解决方案。
“有意见”留言板
@不倒翁:可以把生成式AI比作是登月。生成式AI对于算力的需求,就是登月对于火箭引擎的需求。虽然原理上,大家对生成式AI的大模型摸索得七七八八了。但是我们要清楚,登月不是所有国家有实力搞的。生成式AI大模型所需要的算力也不是所有厂商都有钱买的。没实力,你搞个小模型,只能打鸟,有实力,你才能搞大模型,去登月。当然,市场肯定也不能全听老黄忽悠,他只是把最理想的市场需求讲出来了,真正需求没有几十年哪能一股脑地变现呢。
@黑咕隆咚:NVIDIA黄仁勋发布的这个可以给各行各业用的生成式AI平台真的是非常有潜力,它能让AI在很多领域都可以大展身手,帮助企业和个人搞更多的创新。利用好这个平台,人们可以更轻松地用AI解决各种难题。
@周一见:发布面向各行各业的生成式 AI 平台显示了人工智能技术的发展趋势、行业融合、普及趋势以及 NVIDIA 的领导地位和意图,这将为全球范围内的产业领域带来巨大的机遇与挑战。
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。