FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

微软首款自研AI芯片亮相
 go
Security Copilot演示、Azure最新功能展示等一系列内容。但重点还是微软的首款人工智能芯片Maia 100，这将为其Azure云数据中心提供动力，并为其各项人工智能服务奠定基础。
金融界2023-11-16
微软推出两款高端定制芯片
 go
Security Copilot演示、Azure最新功能展示等一系列内容。但重点还是微软的首款人工智能芯片Maia 100，这将为其Azure云数据中心提供动力，并为其各项人工智能服务奠定基础。Maia 100芯片旨在运行大语言模型，帮助人工智能系统更快地处理大量数据，以完成识别语音和图像等任务，并有可能避免对英伟达的高成本依赖。不过微软暂时并不打算出售这种芯片，而是将把它们用于支持自己的产品，并作为其Azure云计算服务的一部分。微软发布的第二款芯片是名为Cobalt 100的CPU，是一款基于Arm架构的128核云原生芯片，针对通用的计算任务，可能会与英特尔处理器展开竞争。
金融界2023-11-16
微软宣布推出两款高端定制芯片
 go
Security Copilot演示、Azure最新功能展示等一系列内容。但重点还是微软的首款人工智能芯片Maia 100，这将为其Azure云数据中心提供动力，并为其各项人工智能服务奠定基础。 Maia 100芯片旨在运行大语言模型，帮助人工智能系统更快地处理大量数据，以完成识别语音和图像等任务，并有可能避免对英伟达的高成本依赖。不过微软暂时并不打算出售这种芯片，而是将把它们用于支持自己的产品，并作为其Azure云计算服务的一部分。微软发布的第二款芯片是名为Cobalt 100的CPU，是一款基于Arm架构的128核云原生芯片，针对通用的计算任务，可能会与英特尔处理器展开竞争。
金融界2023-11-16
微软推出首款AI自研芯片力求避免供应链瓶颈
 go
a 100芯片，这款AI芯片将为该公司Azure云客户提供一种新的方式来开发和运行生成内容的AI程序。负责Azure芯片部门的副总裁Rani Borkar表示，微软已在用Bing和Office AI产品测试该芯片。微软主要AI合作伙伴、ChatGPT开发商OpenAI也在测试该处理器。Maia和服务器芯片Cobalt都将于明年初在微软的一些数据中心亮相。微软首席执行官Satya Nadella在会上表示：“我们的目标是确保我们和我们的合作伙伴能够为你带来终极效率、性能和规模”。他还表示，Maia将率先支持微软自己的AI应用，然后向合作伙伴和客户开放。微软的多年投资显示了芯片对于在AI和云计算领域取得优势至关重要。自研芯片可以让公司从硬件中获得性能和价格优势。还可以避免微软过度依赖任何一家供应商，目前业界对英伟达AI芯片的争夺凸显了这一隐患。在微软进军处理器领域之前，该公司在云计算领域的竞争对手也采取了类似举措。亚马逊在2015年收购了一家芯片制造商，并出售基于多种云计算和AI芯片的服务。谷歌在2018年开始让客户使用其AI加速处理器。 Borkar在接受采访时说，对于微软这样规模的公司来说，“重要的是优化和整合”其硬件的每个元素以提供最佳性能，并避免供应链瓶颈。 “实际上，归根结底，是为了给客户提供基础设施方面的选择”
金融界2023-11-16
微软官宣：与AMD和英伟达建立新的合作伙伴关系
 go
来新的人工智能和计算能力，英伟达在微软Azure上为全球企业和初创公司推出生成式AI代工服务。
金融界2023-11-16
微软宣布与AMD和英伟达建立新的合作伙伴关系
 go
来新的人工智能和计算能力；英伟达在微软Azure上为全球企业和初创公司推出生成式AI代工服务。
金融界2023-11-16
微软终于开始打造定制芯片，而且都与人工智能有关
 go
RM的CPU。这两款定制芯片都旨在为其Azure云数据中心提供动力，并为该公司及其企业客户迎接充满人工智能的未来做好准备。微软的Azure Maia人工智能芯片和ARM驱动的Azure Cobalt CPU将于2024年上市。
金融界2023-11-16
微软宣布与AMD 和英伟达建立新的合作伙伴关系
 go
来新的人工智能和计算能力；英伟达在微软Azure上为全球企业和初创公司推出生成式 AI 代工服务。
金融界2023-11-16
华泰证券：AI芯片竞争加剧英伟达(NVDA.US)发布H200 新品迭代提速显著
 go
发布转为一年多版。AWS、谷歌云、微软Azure和甲骨文等将成为其主要客户。
金融界2023-11-15
探索区块链和人工智能的未来
 go
AWS、Google Cloud 和 Azure 三大巨头通过分层工具和服务，在企业堆栈中占据了一席之地。这种主导地位给企业带来了一系列挑战，从限制性的运营依赖到与云基础设施相关的过高成本，尤其是考虑到主要供应商收取的溢价。现有企业面临着重组运营支出的压力，同时又希望尝试和整合范围不断扩大的开源AI，这将为利用去中心化替代技术重新构想堆栈创造一个窗口。因此，开源AI和区块链技术的新兴交叉点为实验和投资提供了一个非同寻常的领域。丨加密货币 x AI：互惠互利的关系我们对AI和区块链之间潜在的共生关系深感兴奋。加密中间件可以通过建立高效的计算和数据市场（提供、标记或微调）以及认证或隐私工具，大幅改善AI供应方的投入。反过来，去中心化应用和协议也将通过吸收这些劳动成果达到新的高度。不可否认，加密货币已经取得了长足的进步，但对于主流用户来说，协议和应用程序仍然受到工具和用户界面不直观的影响。同样，智能合约本身也会受到限制，这不仅体现在对开发人员手工工作量的要求上，还体现在整体功能的流畅性上。 Web3 开发人员是一群非常高效的人。最高峰时仅有约 7500名全职开发人员，却打造了一个价值数万亿美元的产业。由 ML 强化的编码助手和 DevOps 有望为现有的工作增添动力，而无代码工具正在迅速为新一类开发者赋能。随着 ML 功能被集成到智能合约中并引入链上，开发者将能够设计出更无缝、更具表现力的用户体验，并最终设计出全新的杀手级应用。链上体验的这一步功能改进将吸引新的--而且很可能是更多的--受众，催化一个重要的采用-反馈飞轮。生成式AI可能会成为加密货币缺失的一环，改变用户界面/用户体验(UI/UX)，催化一大波新的技术发展。反过来，区块链技术也将利用和加速AI的潜力。丨使用区块链建立更好的数据市场数据是 ML 的基础输入没错，计算基础设施的巨大进步功不可没，但像Common Crawl和The Pile这样庞大的数据存储库才是当今世界上最吸引人的基础模型的来源。此外，公司还将利用数据来完善其产品的基础模型，或建立未来的竞争护城河。最终，数据将成为用户与个人模型之间的桥梁，个人模型可在本地运行，并不断适应个人需求。因此，数据竞争是一个重要的前沿领域，也是区块链可以发挥优势的领域，尤其是当质量成为塑造数据市场的重要属性时。质量胜于数量早期研究表明，在未来几年中，高达 90% 的在线内容可能是合成生成的。虽然合成训练数据具有优势，但它也带来了模型质量下降和偏见强化的重大风险。未来几年，机器学习模型可能会耗尽非合成数据源，这是一个真实的风险。加密货币的协调机制和证明原语在本质上进行了优化，以支持去中心化的市场，用户可以在这些市场中共享、拥有或货币化他们的数据，用于训练或微调特定领域的模型。因此，Web3 可能被证明是人类生成的训练和微调数据的更好、更有效的来源。复合进步区块链支持的去中心化训练、微调和推理过程也能更好地保存和复合开源智能。使用高效微调流程改进的小型开源模型在输出准确性方面已经可以与大型开源模型相媲美。因此，在源数据和微调数据方面，趋势开始从数量转向质量。对原始数据和衍生数据的生命周期进行跟踪和验证的能力可实现可重复性和透明度，从而提高模型和输入的质量。资料来源：Will Henshall / Epoch (TIME) 区块链可以建立一个持久的护城河，作为拥有多样化、可验证和定制数据集的主要领域。这一点尤为重要，因为传统解决方案过度依赖算法的进步来弥补数据的不足。丨内容海啸这种新的技术范式将以前所未有的规模为数字内容创作者赋能，而 Web3 则提供了即插即用的基础，让这一切变得有意义。加密货币拥有主场优势，这要归功于多年来围绕原语的开发，这些原语以 NFT 的形式确立了数字资产和内容的所有权和不可篡改的出处。 NFT 可以捕捉整个内容创建生命周期，也可以代表数字原生身份、虚拟资产甚至现金流。因此，NFT 可以带来新的用户体验，例如数字资产市场（OpenSea、Blur），同时也可以重新思考围绕书面内容（Mirror）、社交媒体（Farcaster、Lens）、游戏（Dapper Labs、Immutable），甚至金融基础设施（Upshot，NFTFi）。该技术甚至可以比使用算法进行深度伪造和计算操纵更可靠。在一个明显的例子中，OpenAI 的检测工具就曾因准确性失误而被关闭。最后一点：简洁、可验证的计算技术的进步也将提升 NFT 的活力，因为它们结合了 ML 输出，以驱动更智能、更不断发展的元数据。我们相信，区块链技术之上的AI工具和接口将释放全栈价值并重塑数字内容格局。丨用"零知识"驾驭ML的无限知识区块链行业一直在寻找既能实现资源高效计算又能保持无信任动态的技术解决方案，这促使零知识（ZK）密码学取得了明显的进步。最初为了解决以太坊虚拟机（EVM）等系统固有的资源瓶颈问题，但零知识证明提供了一系列与AI相关的有价值的用例。一个显而易见的方法就是现有解锁的扩展：高效、简洁地验证计算密集型流程，例如在链下运行 ML 模型，以便最终产品（例如模型的推理）可以通过智能合约以以下形式在链上获取： ZK 证明。存储证明与协同处理相配合，可以更进一步，在不引入新的信任假设的情况下，使链上应用更具反映性，从而实质性地增强链上应用的能力。其影响还能实现全新的功能。当通过应用程序接口调用时，ZK 密码学可用于验证特定模型或数据池是否确实用于生成推论。在医疗保健或保险等客户敏感行业，它还可以隐藏模型消耗的特定权重或数据。公司甚至可以通过交换数据或知识产权进行更有效的合作，在保持资源专有性的同时从共享学习中获益。最后，ZKP 在区分人类数据和前面讨论的合成数据这一日益相关（且具有挑战性）的领域具有真正的适用性。其中一些用例取决于围绕技术实施和大规模寻求可持续经济的进一步开发的需要，但zkML有可能对AI的发展轨迹产生独特的影响。丨长尾资产和潜在价值加密货币已经证明了其作为音乐和艺术等传统市场价值流动的卓越架构师的作用。在过去几年中，代表葡萄酒和运动鞋等链外有形资产的链上流动市场也已出现。随着AI被引入链上并应用于智能合约，自然而然的后续发展将涉及先进的 ML 功能。 ML 模型与区块链轨道相结合，将重塑以前由于缺乏数据或买家深度而无法访问的非流动资产背后的承销流程。其中一种方法是使用 ML 算法查询大量变量，以评估隐藏的关系，最大限度地减少操纵者的攻击面。Web3 已经在尝试围绕社交媒体连接和钱包用户名等新概念创建市场。与 AMM 在释放长尾代币流动性方面的影响类似，ML 将通过摄取海量定量和定性数据来得出非显而易见的模式，从而彻底改变价格发现。这些新见解将为基于智能合约的市场奠定基础。 AI的分析能力将接入去中心化的金融基础设施，以发掘长尾资产中沉睡的价值。丨去中心化基础设施层加密货币在吸引高质量数据并将其货币化方面的优势解决了等式的一方面。另一方面 – AI背后的支持性基础设施 – 也有类似的前景。 Filecoin或Arweave等去中心化物理基础设施网络( DePIN )已经构建了原生包含区块链技术的存储系统。 Gensyn和Together等其他公司正在应对跨分布式网络进行模型训练的挑战，而Akash则推出了一个令人印象深刻的 P2P 市场，将过剩计算资源的供需双方连接起来。除此之外，Ritual正在以激励网络和模型套件的形式为开放式AI基础设施奠定基础，连接分布式计算设备供用户运行推理和微调。重要的是，像Ritual、Filecoin或Akash这样的DePINs也可以创建一个更大、更高效的市场。它们通过将供应端开放到一个更广泛的领域，包括能够释放潜在经济价值的被动提供者，或者通过将性能较低的硬件整合成与其复杂对手相媲美的资源池，来实现这一目标。每个部分的堆栈都涉及不同的限制和价值偏好，还需要大量工作来在规模上进行这些层的实战测试（特别是去中心化模型训练和计算领域的新兴领域）。然而，基于区块链的计算、存储甚至模型训练解决方案的基础已经存在，最终可以与传统市场竞争丨它的含义加密货币和AI正在迅速成为最具启发性的设计领域之一。这两个领域已经影响到从内容创作和文化表达到企业工作流程和金融基础设施的一切。我们相信，这些技术将在未来几十年重塑世界。最好的团队正在本地化地将无需许可的基础设施和加密经济学与AI相结合，以提高性能、实现全新的行为或实现具有竞争力的成本结构。加密货币将标准化数据的规模、深度和细粒度引入协调网络，通常没有明显的方法从这些数据中获得效益。同时，AI将信息池转化为相关上下文或关系的向量。当这两个前沿领域结合在一起时，它们可以形成一种独特的相互关系，为去中心化未来的建设者铺平道路。 *非常感谢Niraj Pant、Akilesh Potti、Jason Morton、Dante Camuto、David Wong、Ismael Hishon-Rezaizadeh、Illia Polosukhin和其他人在该领域的前沿工作、宝贵的见解和灵感 - 所有这些不仅使本文成为可能，而且使加密货币的光明未来成为可能。来源：金色财经
金色财经2023-11-14

上一页
1
•••
54
55
56
57
58
•••
85
下一页

24小时热点

最新话题更多