最新消息,OpenAI正在探索自研AI芯片,同时开始评估潜在收购目标。其招聘网站上,最近也出现了AI硬件共同开发、评估相关岗位。
自ChatGPT掀起最新AI趋势后,算力焦虑笼罩在各大AI厂商头上。无论是模型训练推理,还是API调用都需要算力作为支撑,有多少卡也成为衡量AI厂商实力如何的硬指标之一。与此同时,GPU不仅紧俏还贵,自研AI芯片也意味着能大幅降低算力成本。如今谷歌已经通过自研TPU,微软最近也传出了自研芯片11月份亮相的消息。
“有意见”留言板
@老董:AI厂商争相自研AI芯片,这只能说黄教主捞得太过了吧,按道理讲挖矿的一般不会自己去做铲子,可铲子的价格高过做铲子的成本后,那就别怪矿工们不务正业了。
@Futon:微软降低对OpenAI的依赖是明智的,不能把鸡蛋放在一个篮子里,而且的确需要自研芯片来降低成本,这对于OpenAI来说当然算是危机,自研芯片也是势在必行了吧。只是不知道这样能不能撼动黄教主的宝座呢?
@今天星期几:当自己设计硬件、造外壳还不够的时候,最有意愿投资未来的科技公司选择投资芯片。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。