FX168财经网_全球视野外汇黄金加密货币NFT资讯网

特朗普贸易反弹推动股市创纪录，投资者预期2025年标普500可能上涨16%，但潜在政策风险仍需警惕

AI）：模拟人类智能的计算机技术，包括机器学习、自然语言处理等应用。今年相关大事件 2024年11月26日：美国消费者信心指数在11月达到了超过一年来的最高水平，为经济增长提供动力。 2024年11月：特朗普政府预计会实施更多的贸易关税政策，这可能对全球经济增长造成压力。 2024年11月：美国股市资金流入创新高，全球投资者对特朗普政策充满信心，推动股市进一步上涨。来源：今日美股网

今日美股网2024-12-02

3个月10倍！量子计算时代真的来临了吗？

克系统）旨在用于高性能计算、人工智能、机器学习和远程感应，因为它们需要相对较少的功率并在室温下运行，因此非常适合需要量子计算能力的小众应用。另一方面，英伟达主导了GPU市场，并已将其产品扩展到人工智能、机器学习和数据中心解决方案。我们知道英伟达GPU对于高性能计算至关重要，比如训练人工智能模型或进行深度模拟。尽管英伟达通过合作和研究对量子计算感兴趣，但其核心焦点仍然是传统计算。因此，从长远来看，这两家公司的竞争肯定是有的，但如果量子计算技术成熟到支持更多传统计算设备（如英伟达的GPU）目前未服务的应用，那么这两家公司的竞争会进一步加剧。但由于量子计算仍处于起步阶段，英伟达的既定市场份额和持续投资于人工智能/机器学习使其在短期至中期内具有稳固的竞争优势。还需要注意Quantum Computing今天的市值——这一涨势已经走得太远了。到2025财年末市销率超过600倍，因为明年的预计收入150万美元实际上可能会高出许多倍。只需看看量子计算市场增长的预测——最大胆的预测是，到2032年，整个全球市场的价值将在120亿至130亿美元之间。当说“整个市场”时，主要是指这里的年收入。也就是说，市场假设公司目前的市值将转化为2032财年整个量子计算市场份额的6-7%，假设市销率为1倍。Quantum Computing的产品很棒，但市场上已经有其他玩家拥有更大的“钱包”，如果他们觉得有必要，可以向量子技术投资数十亿美元。例如谷歌的量子人工智能、微软的Azure量子平台和IBM的量子体验，仅举几例。虽然这些公司销售的产品与Quantum Computing的不可比，但一个非常小的公司被大公司“压垮”的威胁应该让投资者三思。在这方面，Quantum Computing肯定不像早期的英伟达。总结经常出现的情况是，具有出色增长潜力的优秀公司过早地出现在大量投资者的雷达上，这导致了快速增长，但在大多数情况下，也导致了不可避免的回调。在经历了过去3个月10倍的增长后，Quantum Computing今天的预期指向了严重的过热。但人们不能忽视来自AWS、大学、与NASA的新合同以及公司铸造厂明年年初开业的许多积极新闻。然而，对于中期购买来说，最安全的方法是等待当前股价下跌20-30%，如果还能跌的更多的话。 $Quantum Computing Inc.(QUBT)$

老虎证券2024-11-29

“智造”驱动，共创未来，歌尔首次亮相链博会

开发了AI人工智能平台，具备深度学习、机器学习、工业大模型等技术能力，能够覆盖计算机视觉、工业知识图谱、预测性维护、工艺参数优化等多种智能制造工业场景，多款自研AI智能装备也在本次展会上亮相：AOI外观检查机可通过AI视觉大模型进行多维度外观检查，视觉及运动控制算法达到国内领先水平；五轴点胶机则用3D成像和AI智能算法自动计算涂胶路径，结合精密运动控制系统实现产品涂胶和涂胶检测，精度和检测能力行业领先。柔性材料组装机使用行业首创的3D视觉+AI+手感控制组装技术，使3D相机与机器人协同组装，自动感知扣合受力，结合AI路径规划算法，提升产品扣合效率和精度。绿色制造在全球范围内正逐渐成为工业发展的重要趋势，歌尔将绿色发展作为未来战略发展的重点之一，不断研发节能环保的产品和解决方案，深化能源管理，实施节能减排措施，提高清洁能源的利用率，持续探索清洁技术。本次展会，歌尔展示了可再生能源、零填埋、材料回收等方面取得的成果：光伏屋顶总装机容量已达49.37兆瓦，获得废弃物零填埋（铂金级）认证，零填埋项目覆盖面积达125.8万㎡，在客户合作项目中开展材料回收专项，携手合作伙伴共同推进绿色制造。此外，为顺应产业升级发展需求，歌尔还展示了在员工持续发展方面的成果：如积极探索产教融合新模式，建设歌尔匠造培训中心，与多所高校深度合作，开启技术技能型人才培养，在解决学生就业意愿、匹配企业岗位需求、入职后稳定发展方面取得较好成效。

金融界2024-11-29

Dell与HP报告PC业务销售疲软，股价暴跌，反映市场需求持续低迷

模拟人的智能行为，广泛应用于数据分析、机器学习等领域。 Windows: 是微软公司开发的操作系统，广泛应用于个人计算机和工作站。刷新周期: 指计算机硬件或软件的更新周期，通常企业在旧设备无法满足需求时，会更新到新设备。相关大事件 2024年11月: Dell和HP发布2024财年第三季度财报，报告显示PC业务收入未达预期，两家公司股价大幅下跌。 2024年10月: IDC发布报告称，全球PC出货量出现下降，尽管市场曾希望通过AI驱动销售复苏，但需求依旧疲软。来源：今日美股网

今日美股网2024-11-29

华为和其他中国大陆公司正以高薪在全球挖高科技人才，西方政府似乎还不知如何应对

发展蓝图，呼吁吸引“最尖端”人才，包括机器学习、自动驾驶和智能机器人等领域的“国际顶级科学家”。商业咨询公司DGA Group合伙人保罗·特里奥洛指出，通过吸引外国工程师，中国企业能够走捷径，因为他们的经验无法轻易复制或窃取。他说：“各国政府现在更加关注这一问题。” 不过，他还表示，确定招聘的可接受范围将是“非常困难的任务，也很难执行”。许多政府已经限制了与中国的学术和商业合作，或者推出了针对中国投资的筛查计划。但是中国政府的资金支持，使中国公司能够提供远超西方公司薪资水平的待遇。许多工程师不愿接受此类邀约，因为担心声誉风险以及难以适应中国企业文化。然而，中国企业广泛撒网的策略，正如一名前华为招聘人员在采访中所形容的“广撒网，碰碰运气”，会吸引到一些人才的加入。这些人才往往会带着商业机密跳槽。去年，美国加州一家半导体公司FemtoMetrix的首席执行官在国会作证时表示，公司三名员工离职并前往中国成立一家半导体公司，同时带走了数千份FemtoMetrix文件，导致公司商业机密被盗。 FemtoMetrix首席执行官阿隆·拉斐尔在证词中称，这一事件是中国“窃取美国知识产权战略”的一个典型案例。在采访中，拉斐尔声称，公司现在“勉强”维持运营，自从商业机密被盗后，他无法筹集到足够的资金。在拥有全球最大芯片代工厂台积电的台湾，官员们表示，自2015年起，他们就注意到中国大陆在人才挖角和商业机密窃取方面的活动有所增加。对此感到愤怒的台湾在2022年通过了新法规，禁止任何人向外国泄露涉及国家安全和台湾工业竞争力的关键技术，违反者将面临最长12年的监禁和最高约300万美元的罚款。台湾还加强了对岛内企业的惩罚力度，如果充当中国公司招聘人才的幌子，将被追责。台湾司法部调查局副局长孙承一表示：“技术知识存在于人脑中，有些情况下，一个完整的团队可能会被中国企业挖走。” 从2020年到2024年7月，他的部门调查了约90起人才挖角案件，大多与半导体、电子和机械行业相关。几年前，台积电和三星的前高级工程师梁孟松加入了中国最大的芯片代工厂中芯国际。梁孟松被认为是上海中芯国际快速崛起的关键人物之一。去年，中芯国际帮助华为制造出了其最先进的智能手机处理器——用于高端手机的一款七纳米芯片。在台湾最近的打击行动中，相关部门表示，他们在四个城市突击搜查了30个地点，并对65人进行了问讯。被指控非法挖掘人才的八家公司中，包括一家大型中国大陆芯片设备制造商。调查人员表示，一些中国大陆芯片公司试图掩盖其背景，与位于新加坡和香港的猎头公司合作，还与台湾本地人士合作在台湾设立公司以招募本地工程师。德国当局也对中国试图从ASML供应商中挖角工程师的行为表示关注。蔡司半导体技术公司的专用镜片是ASML复杂的EUV系统的核心，这些设备有时大小相当于一辆公交车。蔡司的技术被认为高度先进，总部对大多数访客关闭。即使是宣传材料中的图片，也经过精心编辑以避免泄露商业机密。去年秋天，蔡司员工注意到华为的挖角行为后，将招聘人员的资料提交给了管理层。知情人士表示，虽然没有员工离职，但蔡司半导体技术公司母公司的首席游说官将此事告知政府官员，导致德国情报部门展开调查。后来发现，华为还将目标对准了德国的通快公司（Trumpf）。这家公司生产一种激光放大器，用于制造芯片的精细结构，有些细节甚至小到一粒沙子的几分之一大小。一位通快公司发言人表示：“我们也注意到中国公司（如华为）针对我们员工的挖角活动有所增加。” 他还说，没有员工被成功挖走。柏林当局一直谨慎对待干预商业决策，比如企业雇佣哪些员工。不过，柏林最近通过了立法，禁止电信运营商在德国网络的敏感部分使用华为组件，这与美国在2020年对华为实施的更严格限制相呼应。然而，华为的手机和其他产品仍在德国销售。华为还在德国运营着五个研究中心，专注于光学系统和其他领域。许多政府官员对防止挖角表示怀疑。可能会使中国企业在德国招聘人才更困难的新立法，在总理舒尔茨的政府瓦解后很可能无法通过。中右翼基督教民主联盟领导人弗里德里希·默茨，在民调中被认为是下任总理的最有力候选人，他对中国态度更为强硬。他今年早些时候告诉德国新闻社：“德国公司也是目标，这显然不可接受。” 来源：加美财经

加美财经2024-11-29

从诺贝尔奖到量子金融：金石谈人工智能的前沿应用

ck-Scholes方程等复杂问题时，机器学习和量子计算能够瞬时提供答案，助力解决大规模高维问题。尽管目前AI的发展受到资源消耗、训练成本和不可解释性等因素的影响，但科学探索的步伐永远不会停止。金石认为，未来的一个重要前沿方向将是量子计算和深度神经网络结合等新型计算技术。在过去5到10年里，发达国家和企业都在积极布局量子战略，投入巨大的研发资金来推动这一领域的发展。IBM、谷歌等互联网巨头已经投身其中，最近英伟达和OpenAI也联合布局这个方向。对于量子计算的难点，金石在演讲中给出了通俗易懂的解释：“量子计算机是按照量子力学原理设计的，其基本方程是一个数学方程，即薛定谔方程。这个方程是一个规定动作，但日常应用的需求却不是规定动作。这有点像刚出生的婴儿，只能吃奶粉，如果给他重庆小面，他是无法吃的。”对此，金石表示可以通过薛定谔化来解决这个问题，通过一个巧妙的变换将其它偏微分方程变成薛定谔方程，从而适合量子模拟。该方法基于连续变量模型，使得可以进行模拟量子计算，不太受量子比特噪音的影响，较易近期实现。金石表示，目前通用量子计算还不可行，但专用量子计算在未来5到10年内更有望实现。下一步，他们将与量子计算的不同实验团队合作，研究专用的量子模拟器件。在演讲的末尾，金石还提出期待：“我们希望在不远的将来能够打造出一些量子人工智能在金融领域的产品，例如对股票资产的最佳投资组合进行优化，并且能够对期权的风险进行快速精准评估和计算，让重庆在量子计算金融领域的应用领域起到领跑作用。”

金融界2024-11-28

赵长鹏喊单的AI数据标记赛道现在发展怎样了？

有特定的结构化信息。标记的数据用于训练机器学习或人工智能模型，例如为文本标注情感类别（正面、负面、中立）就是一种数据标记。而将区块链用于人工智能数据标注，特别适用于需要高透明度、可信性和分布式协作的数据标注场景。这不仅可以提升数据标注的效率和质量，还为全球协作和数据交易创造了新的可能性。目前，这一赛道有哪些优质的项目？赛道发展前景如何？区块链在AI数据标记中的作用区块链是一种去中心化的分布式账本技术，具有透明性、不可篡改性和可追溯性等特点。这些特点在数据标记中可以解决传统方法中的以下问题：数据真实性和防篡改：每次标记的记录都被写入区块链，无法被随意更改，保证了标注的可信度。任务分配透明性：区块链可以记录任务的分发、执行和审核过程，防止任务分配不公平或结果篡改。激励机制：使用区块链的智能合约技术，数据标注员可以通过完成任务自动获得加密货币或其他奖励。数据溯源：每个标记的来源、标注员以及审核者的信息都可以被追踪。应用场景分布式标注：利用区块链，将数据标注任务分配给全球的标注员，数据处理效率更高。质量审核：多人标注结果通过区块链技术进行对比与审核，确保标注准确性。标注数据交易：标注好的数据可以在区块链上交易，买卖双方无需担心数据的完整性或真实性。隐私保护：使用区块链对标注数据进行加密存储，保证隐私数据安全。相关项目 OORT DataHub：提供基于区块链的去中心化数据标注服务，采用Proof of Honesty算法进行质量控制。其平台通过智能合约分发任务、审核数据质量和支付报酬，吸引全球标注者加入，并确保标注数据的透明性和隐私保护。项目代币的经济模型如下：社区奖励：通过参与数据标注和分析，用户可获得 $OORT 代币奖励。此外，还可能获得与贡献挂钩的独特 NFT，这些 NFT 提供额外权益，如提高年收益率 (APY) 的奖励、设备折扣和 DAO 投票权。任务抵押：参与者需抵押至少 210 个 $OORT 代币，以表明对任务的承诺，完成任务后会返还代币并发放奖励。销售收益分成：部分 NFT 持有者还可从未来的数据销售收入中分红，进一步提升长期收益。 PublicAI：Solana链上AI生态项目，旨在连接数据需求方和全球标注者，通过加密代币激励机制奖励参与者，同时利用区块链技术记录标注过程的细节，保障数据安全和隐私。项目代币的经济模型如下：社区奖励：10%的Public代币将用于用户前期交互的空投奖励，具体来说获取空投的方法有三种，成为 AI Builder：收集高质量互联网内容；成为 AI Validator：验证收集的内容；成为 AI Developer：使用已验证数据集训练 AI 代理。代币分配：项目在 2024 年 1 月完成了 200 万美元的种子轮融资，投资方包括 IOBC Capital、Foresight Ventures、Solana Foundation、Everstate Capital 及多位人工智能学界知名院士教授等，目前具体的 PublicAI 代币分配细节尚未明确。面临的挑战目前，几大因素束缚该赛道的发展：一是是AI数据标记需要较高的计算和存储资源;二是项目性能受制于区块链的扩展性;三是技术标准化和监管尚不完善。其中，第二点是或许是目前所面临的最大的挑战。因为AI 数据标记和模型训练通常需要大量的计算资源，而区块链网络中的节点计算能力有限。如何在保证区块链去中心化特性的前提下，有效地整合和利用分布式计算资源来满足 AI 数据标记项目的计算需求，是一个亟待解决的问题。据悉，币安旗下的Greenfield 正在为这一赛道提供存储支持，期待能有更多的存储和计算资源在这一领域进行实践。

金色财经2024-11-28

能链智电单季经营侧首盈利：电车当道拐点将至

为和需求，评估位置和交通等因素，并使用机器学习，实现充电场站选址、收益评估、运营调度和运维的全面智能化。这不仅能够在充电站的日常运营中提升其运营效率，增强充电运营商的盈利能力、最大化站点收入，还能够提升用户体验，增强用户忠诚度。随着该系统的成功应用，在过去的一个季度中，能链智电先后与福建某区域头部充电运营商、国网河北电动汽车充电服务公司等企业都达成了合作。接连与已经具有一定规模的运营商达成合作，表明当前市场对于提升运营效率的诉求越来越迫切，而公司数智化驱动的路线高度契合市场需求，逐渐得到了市场的认可。深入来看，不管是频频获得各类运营商的认可，还是充电服务营收的快速增长，都源于能链智电利用AI技术提升数智化能力，从而形成的正反馈飞轮效应。互联网平台企业依靠强力补贴实现“以价换量”的强投入阶段，能链智电已经初步度过，其占领用户心智和市场份额的策略也越来越多元，使得公司的亏损率实现了进一步下降，盈利能力持续改善，距离接近全面盈亏平衡的时点越来越近。可以预见的是，在这种正向循环下，能链智电打造了一个包括车主、主机厂、充电场站运营商、图商平台和其他参与者在内的充电服务生态系统。随着飞轮效应持续生效，能链智电的行业领先优势也越来越明显。而在这一过程中，能链智电构建的“护城河”优势，为其带来稳健增长的同时，也为整个行业提供了健康可持续发展的思路。三、结语能链智电创始人王阳曾将公司类比本地生活服务企业美团，认为“美团解决人吃饭的问题，能链解决车吃饭的问题。” 美团的发家就是百团大战中艰难险胜。若返回当年，团购这个业务也不见得门槛有多高，业务前景有多好，但我们却不能忽视一个点，就是美团通过团购及在百团大战中活着胜出这事盘活了一整盘棋，才有了后来的外卖业务，以及“高频打低频”方式所构建出的本地生活统一大平台。若将其商业模式进行仔细对比，就会发现，能链智电作为平台型互联网企业，同样通过连接需求端的消费者和供给侧的商家，利用数字化手段实现资源的最优匹配。而美团的万亿市值让第三方互联网平台的商业逻辑得到充分的证实。能链智电从6月实现单月经营侧盈利，再到实现单季度经营侧净利润转正，也正一步一个脚印，用数据逐渐验证了其商业模式和战略布局的正确性。站在投资者的角度，当前能链智电的估值水平仍然处于行业底部。截至11月27日发稿，公司当前市销率(PS)仅为0.91倍，而其他盈利能力已经获验证的第三方平台如美团、携程、Uber等的市销率分别为3.26倍、6.10倍和3.59倍，结合能链智电自身的成长性来看，这个价格有较大的想象空间。如今伴随着盈利能力被证实，持续扩大的市场规模，良好的业务增速，处于低位的估值，也为能链智电的价值回归释放了更大的弹性。随着更多中长线资金拥抱中国资产，市场对于新能源车行业理解更深刻，类似能链智电这样代表新经济未来的企业更容易获得市场的认可，我们也有理由对其未来发展抱有更多的期待。

格隆汇2024-11-27

BestBuy第三季度预计销售稳定，AI产品助力计算机与移动设备增长

智能（AI）产品：在计算机或设备中应用机器学习和人工智能技术，使其能够进行更复杂的任务或智能决策的产品。今年相关大事件 2024年6月：Best Buy开始销售Microsoft的Copilot+系列人工智能计算机，成为该系列产品的独家零售商。 2024年8月：Best Buy宣布在2024年下半年将推出更多配备人工智能技术的计算机和平板设备。来源：今日美股网

今日美股网2024-11-27

亚马逊的雄心：挑战英伟达在AI芯片领域的霸主地位

样能让项目推进得更快。在从零开始研发机器学习芯片的几年努力中，他们已经肩负起快速推出一个能抗衡英伟达的产品的重任。这并不是单纯追求计算能力，而是要构建一个简单可靠的系统，让亚马逊的数据中心能迅速转变为庞大的人工智能机器。拉米·西诺是一位出生于黎巴嫩、性格开朗的工程师，在芯片行业工作了数十年。他负责芯片设计和测试。他曾参与设计亚马逊前两代人工智能半导体，如今正加紧确保最新版本Trainium2能在年底前可靠地运行于数据中心中。西诺说：“让我夜不能寐的是，如何尽快实现这个目标。” 过去两年里，英伟达从一家小众芯片制造商，变身为支持生成式人工智能的主要硬件供应商，几度成为全球市值最高的公司。英伟达的处理器单价高达数万美元，由于需求旺盛，供货十分紧张。上周，在发布财报后，这家芯片制造商告诉投资者，最新硬件的需求将在未来几个季度持续超过供应，这进一步加剧了供需紧张的局面。英伟达的最大客户，包括亚马逊云服务、微软Azure以及Alphabet旗下的Google Cloud，都希望减少对英伟达芯片的依赖，甚至取而代之。这三家公司都在研发自有芯片，但目前亚马逊作为最大的计算力出租商，部署的自研芯片数量最多。亚马逊在许多方面具备成为人工智能芯片领域强者的理想条件。 15年前，亚马逊开创了云计算业务，并随着时间的推移，开始打造支撑这一业务的基础设施。通过逐步减少对英特尔等供应商的依赖，亚马逊拆除了数据中心中许多服务器和网络交换机，用定制硬件取而代之。大约十年前，亚马逊高级副总裁兼资深工程师詹姆斯·汉密尔顿，敏锐地洞察时机，成功说服杰夫·贝索斯进军芯片领域。两年前，OpenAI的ChatGPT拉开了生成式人工智能时代的序幕，当时亚马逊被广泛视为行业追赶者，措手不及且努力追赶。尽管亚马逊尚未推出能够与ChatGPT或Anthropic开发的Claude等竞争的自有大语言模型，但已经投资80亿美元支持Anthropic。然而，亚马逊构建的云计算基础设施——包括定制服务器、交换机和芯片——使得首席执行官安迪·贾西能够打造一个人工智能超市，为想使用其他公司模型的企业提供工具，也为训练自有人工智能服务的公司提供芯片。在芯片行业近四十年的经验，使汉密尔顿深知，推动亚马逊的芯片野心更上一层楼绝非易事。设计可靠的人工智能硬件本身已十分困难，而开发能够让这些芯片满足广泛客户需求的软件或许更加艰难。英伟达的设备几乎能顺畅处理任何人工智能任务。这家公司不仅正向客户（包括亚马逊）交付下一代芯片，还开始宣传明年推出的后续产品。行业观察人士认为，亚马逊短期内不太可能撼动英伟达的地位。汉密尔顿和亚马逊的工程团队多次证明，在紧张的预算下，他们有能力解决重大技术难题。汉密尔顿表示：“英伟达是一家非常非常优秀的公司，做着出色的工作，因此它将长期为许多客户提供良好的解决方案。然而，我们坚信可以生产出与之媲美的产品。” 汉密尔顿于2009年加入亚马逊，此前曾供职于IBM和微软。他是一位行业标志性人物，最初在其家乡加拿大修理豪华汽车，后来乘坐一艘54英尺的船通勤。汉密尔顿加入亚马逊时正值一个关键时刻。亚马逊云服务在三年前推出，开创了后被称为云计算服务的行业。AWS很快开始产生大量现金流，为亚马逊提供资金支持一系列大胆的尝试。当时，亚马逊自建数据中心，但使用的是其他公司生产的服务器和网络交换机。汉密尔顿带头推动了用定制硬件替代这些设备的计划，从服务器开始。由于亚马逊需要购买数百万台服务器，汉密尔顿认为，通过定制这些设备以适应日益增长的数据中心，可以降低成本并提高效率，同时省略AWS不需要的功能。这一尝试非常成功。彼时负责AWS业务的贾西询问亚马逊还能自行设计哪些其他硬件。汉密尔顿建议设计芯片，因为芯片正承担越来越多以前由其他组件完成的任务。他还推荐使用能源高效的Arm架构，这种架构驱动了智能手机。他认为这种技术的普及性以及开发者对其日益熟悉，将帮助亚马逊取代长期主导服务器的英特尔芯片。 2013年8月，汉密尔顿向贝索斯提交了一份提案，他写道：“所有的道路都通向我们组建一个半导体设计团队。” 一个月后，汉密尔顿与纳费亚·布沙拉在西雅图Virginia Inn酒吧见面。布沙拉是以色列芯片行业资深人士，2000年代初移居旧金山湾区。他共同创立了Annapurna Labs，并以尼泊尔安纳普尔纳山峰命名。（布沙拉和他的联合创始人本计划登顶这座山，但投资者希望他们尽快投入工作，因此未能成行。）这家低调的创业公司，在整个行业都专注于手机时着手开发用于数据中心的芯片。亚马逊最初委托Annapurna生产处理器，两年后以约3.5亿美元的价格收购了这家公司。这一决定被证明十分有远见。布沙拉和汉密尔顿从小规模做起，展现了他们对实用工程的共同追求。当时，每台数据中心服务器都需用一部分算力运行控制、安全和网络功能。 Annapurna和亚马逊工程师开发了一种名为Nitro的卡片，能够将这些功能完全从服务器中分离出去，从而让客户使用服务器的全部性能。随后，Annapurna推出了汉密尔顿的Arm通用处理器，名为Graviton。这款产品比竞争对手英特尔设备成本更低，使亚马逊成为台积电的十大客户之一。到这时，亚马逊高层对Annapurna在不熟悉领域取得成就的能力充满信心。布沙拉表示：“很多公司擅长CPU，或者网络，但同时在多个领域表现出色的团队非常罕见。” Graviton研发期间，贾西再次问汉密尔顿亚马逊还能自制哪些产品。 2016年底，Annapurna指派四名工程师研究开发机器学习芯片。这是又一次恰到好处的押注。几个月后，谷歌研究人员发表了一篇重要论文，提出了一种可以实现生成式人工智能的流程。这篇名为《Attention is All You Need》的论文介绍了一种名为Transformer的软件设计原理，帮助人工智能系统识别训练数据中最重要的部分。这一方法成为了从单词关系中做出有依据猜测并生成文本的基础。大约在这个时候，拉米·西诺还在奥斯汀的Arm Holdings工作，并指导他上学的儿子参加机器人比赛。团队开发了一款使用机器学习算法分析照片检测夏季奥斯汀湖泊中藻类爆发的应用。这让西诺感受到变革即将到来。他于2019年加入亚马逊，协助领导人工智能芯片研发。亚马逊团队开发的首款芯片用于推理，即让计算机基于数据模式做出预测，例如判断一封邮件是否为垃圾邮件。这款芯片名为Inferentia，于2019年12月部署到亚马逊数据中心，后来被用于帮助Alexa语音助手完成指令。亚马逊第二代人工智能芯片Trainium1针对希望训练机器学习模型的企业。工程师还将芯片重新包装，使其更适合推理用途，推出Inferentia2。初期，亚马逊AI芯片需求较少，这使客户无需等待数周便能立即使用这些芯片，而英伟达硬件则需要等待批量供应。日本企业抓住了这一机会，迅速参与到生成式AI的浪潮中。例如，理光公司利用亚马逊的帮助，将基于英语数据训练的大型语言模型转换为日语。据Annapurna早期员工加迪·哈特介绍，目前亚马逊AI芯片的需求量已开始增长。 “现在我已经没有多余的Trainium芯片等待客户使用了，”他说，“它们全部都在被使用中。” Trainium2是亚马逊第三代人工智能芯片。按照行业观点，这将是一个成败攸关的时刻。要么第三代芯片实现足够的销售量以证明投资价值，要么失败，迫使公司另寻出路。 “我从未见过任何一款产品违背三代规则，”数据和分析软件供应商Databricks人工智能业务负责人纳文·拉奥说。 Databricks在10月同意在其与AWS的协议中使用Trainium。目前公司主要依赖英伟达芯片运行其AI工具，计划逐步用Trainium部分取而代之。拉奥表示，根据亚马逊的说法，Trainium在性价比上可提供30%的提升。 “归根结底，是经济性和可用性的问题，”拉奥说，“这是竞争的战场所在。” Trainium1由八个芯片组成，它们并排嵌入一个深钢箱内，提供充足的空间散热。 AWS向客户出租的完整设备由两个这样的阵列组成。每个设备箱都布满电线，并用网状包裹整齐封闭。对于Trainium2，亚马逊表示，其性能是上一代的四倍，内存是上一代的三倍。工程师们对设计进行了重大改进：去除了大部分电缆，将电信号通过印刷电路板传输。此外，每个箱体的芯片数量从八个减少到两个，这样维护一个单元时会影响到的其他组件更少。西诺认为数据中心本身就像是一台巨型计算机，这种思路正是英伟达CEO黄仁勋向整个行业推广的理念。西诺说：“简化非常重要，这也确实让我们更快推进。” 亚马逊并没有等待台积电生产出可用的Trainium2芯片，就开始测试新设计的运行方式。相反，工程师将两个前代芯片固定在电路板上，从而争取时间开发控制软件并测试电磁干扰。这种方法就像在飞机飞行中建造它一样，是半导体行业的大胆尝试。亚马逊已经开始向包括俄亥俄在内的数据中心交付Trainium2，并计划将多达10万颗芯片串联成集群。更大规模的部署将在亚马逊的主要数据中心展开。公司目标是每18个月推出一款新芯片，部分原因是通过减少硬件送到外部供应商的次数来缩短研发周期。在实验室的钻床对面，是一套用来测试芯片和卡片连接器或设计缺陷的示波器。西诺透露，未来版本的工作已经开始：在另一个实验室里，刺耳的风扇冷却着测试单元，天花板上悬挂着四对管道。这些管道目前封闭，但已经为未来AWS芯片产生的热量超过风扇冷却能力的那一天做好了准备。其他公司也在突破极限。英伟达将对自家芯片的需求形容为“疯狂”，正努力实现每年推出一款新芯片的节奏。虽然这一计划导致了即将发布的Blackwell芯片的生产问题，但也将给整个行业带来更大的竞争压力。同时，亚马逊的两大云计算竞争对手，也在加速推进各自的芯片计划。谷歌大约10年前就开始研发一款人工智能芯片，用于加速搜索产品背后的机器学习工作。随后，这款产品被提供给云计算客户，包括Anthropic、Cohere和Midjourney等AI初创公司。这款芯片的最新版本预计将在明年大规模供应。此外，今年4月，谷歌推出了首款中央处理器，类似于亚马逊的Graviton。谷歌负责芯片及其他基础设施工程团队的副总裁阿明·瓦赫达表示：“通用计算是一个非常大的机会。” 他还说，最终目标是让AI芯片与通用计算芯片无缝协作。微软进入数据中心芯片领域，比亚马逊云服务和谷歌晚了一些，直到去年底才宣布了一款名为Maia的AI加速器和一款名为Cobalt的CPU。微软也意识到，通过为数据中心量身定制硬件，可以为客户提供更好的性能。领导这一项目的是副总裁拉尼·博卡尔，她在英特尔工作了近三十年。本月早些时候，她的团队为微软的产品线新增了两款产品：一款安全芯片，以及一款能加速CPU与GPU之间数据流动的数据处理单元。这与英伟达销售的类似产品功能相似。微软目前正在内部测试其AI芯片，并开始将其与英伟达芯片一起使用，以支持客户使用OpenAI模型创建应用程序的服务。尽管微软的努力被认为比亚马逊落后了几代，但博卡尔表示，对目前的结果感到满意，并正在开发更新版本的芯片。她说：“人们从哪里开始并不重要，我的关注点完全在于客户需要什么。因为即使你领先，如果你开发了客户不需要的产品，那么硅芯片的投资如此庞大，我绝不会想成为失败故事中的一章。” 尽管竞争激烈，三大云计算巨头都对英伟达赞誉有加，并在英伟达新芯片如Blackwell推出时争夺优先采购权。如果亚马逊的Trainium2能承担更多公司内部的AI工作，以及一些AWS大客户的项目，可能会被视为成功。这将帮助亚马逊释放其高端英伟达芯片的宝贵供应，用于专门的AI需求。然而，要使Trainium2成为无可争议的成功，工程师必须完善软件，这绝非易事。英伟达的优势很大程度上来源于全面的软件工具套件，可以让客户无需过多定制就能上线机器学习项目。相比之下，亚马逊的软件Neuron SDK还处于起步阶段。即便企业可以轻松将项目迁移到亚马逊芯片上，仅验证切换过程中未出现问题，就可能耗费工程师数百小时。据一位曾在亚马逊和芯片行业工作的资深人士透露，这些复杂性依然是一个障碍。一位帮助客户处理AI项目的AWS合作伙伴高管也表示，亚马逊在通用芯片Graviton易用性方面取得了成功，但AI硬件的潜在用户仍面临更多复杂性。 Gartner公司负责跟踪人工智能技术的副总裁奇拉格·德卡特说：“英伟达主导市场是有原因的，你无需担心那些细节。” 为了解决这些问题，亚马逊寻求外部帮助，鼓励大客户和合作伙伴在与AWS签订新协议或续约时使用这些芯片。目标是让最前沿的团队充分测试这些芯片，找出需要改进的地方。其中一家合作公司是Databricks。尽管预计需要几周甚至几个月的时间才能使系统上线，Databricks仍愿意投入努力，希望实现承诺的成本节约。生成式AI初创公司Anthropic是另一家合作伙伴。去年，Anthropic接受了亚马逊40亿美元的投资，同意在未来开发中使用Trainium芯片，尽管也在使用英伟达和谷歌的产品。上周五，Anthropic宣布接受亚马逊另外40亿美元的投资，并深化了双方的合作。 Anthropic的首席计算官汤姆·布朗表示：“我们对亚马逊Trainium芯片的性价比印象深刻。我们正在逐步扩大其在各种工作负载中的使用范围。” 汉密尔顿说，Anthropic正在帮助亚马逊迅速改进。但他也清楚面临的挑战，强调创建易于客户使用的优秀软件是“必需的”。他说：“如果不能弥合复杂性差距，你注定会失败。” 来源：加美财经

加美财经2024-11-27

24小时热点