芯片是大模型背后的算力之源。凭借10000片英伟达GPU芯片,OpenAI训练出了GPT-3大语言模型,英伟达的GPU也成为大模型训练的首选。而与英伟达并称为显卡双雄的AMD,在这波AI浪潮中自然也不甘落后。今年下半年,AMD将推出对标英伟达GH200超芯的MI300,发力AI训练市场。MI300是市面上首款“CPU+GPU+内存”一体化产品,也是AMD投入生产最大的芯片,晶体管数量达到1460亿个。
“有意见”留言板
@媒体搬运工:在大模型这波热炒中,芯片居然成了最大赢家。俗话说,羊毛出在猪身上。当AI烧钱到这个程度,那谁会买单呢?就像某个广告词所说的,我们不生产算力,而只是算力的搬运工。算力的狂欢,谁是最后的接盘侠呢?!
@Ada:最近《福布斯》刚为AMD CEO苏姿丰发表了特刊,称苏妈一手策划了硅谷历史上最重大的企业转型之一,使得一度濒临破产的AMD股价在不到十年里增长了近30倍。杂志还提到黄仁勋是苏姿丰的远房亲戚,那么这次面对AI浪潮,同为华裔芯片老总的她,能将AI王冠从这位“远亲”的头上摘下来吗?
@无糖冰可乐:AMD在GPU市场取得成功的潜力很大,并且在研发方面投资加大有利于公司在竞争中占得先机。英伟达等竞争对手也在不断进步,因此双方之间的竞争必定会持续激烈。不管结果如何,消费者最终将受益于市场竞争所带来的更高性能、更创新的产品。
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。