2023 年 1 月,退役空军军官塔拉·斯威尼(Tara Sweeney)的飞机降落在南极洲西部的思韦茨冰川上,该冰川面积超越 12 万平方公里。她带领一个国际研讨小组来到这儿,研讨冰川的地质和冰结构,以及冰川消融怎么导致海平面上升。但身处地球最南端时,斯威尼一直在惦记着月亮。
现在,斯威尼正在德克萨斯大学埃尔帕索分校攻读月球地质学博士学位。“这给我的感觉就像是在进行太空探险。所具有一切这些资源,能够让你成为一个从事探究和科学研讨的人,这真的很了不得。”她说。
这种相似性解说了为什么太空科学家要研讨日子在南极,和其他偏僻哨站的人们的生理和心思情况。25 年来,人们一直在探究在另一个星球生计,或许在前往另一个星球的途中,人们的情况将怎么改动。
(来历:AI 生成)
极地探险家在某种程度上相似于登陆外星的宇航员。尽管从技术上讲,斯威尼并没有履行任何“仿照宇航员”的使命,她的首要方针是对地球进行地质勘探,但她的日子过得和太空探险家的日子差不多。
在 16 天的时刻里,斯威尼和她的搭档们住在冰上的帐子里,他们有一半的时刻被逼呆在帐子里,由于暴风雪让他们无法出去。在气候答应的情况下,斯威尼会用雪地摩托往复于营地和现场。她说,有一次她遇到了乳白天空(whiteout)的情况,感觉就像在乒乓球里不断前进。
在冰川上,斯威尼总是感到很冷,有时无聊,有时懊丧。但她能认识到自己还活着,并且兴味盎然。她还感觉到了一种与世隔绝的专心。她说:“我有三个方针:成为一名优异的探险队队员,进行优异的科学研讨以及活下去,这便是我要做的悉数作业。”
这些都不简单,但这或许比回来埃尔帕索更简单。“我的使命完毕了,一切都完毕了,”她说,“我该怎么处理我所感遭到的这些作业呢?”
本年 5 月,她参加了 2023 年仿照宇航员(Analog Astronaut Conference)会议,这是一个在相对安全和舒适的地球上仿照长时刻太空旅行者的集会。斯威尼在拜访约旦的仿照设备时,了解到该活动。在那里,她遇到了会议的创始人之一贾斯·普瑞沃(Jas Purewal),他约请她参加集会。
会议在生物圈 2 号(Biosphere 2)举行,这是一个坐落美国亚利桑那州沙漠中的玻璃镶板、自给自足的休息地,相似于新近科幻小说中的太空定居点。制造该设备的部分原因是,为了解人类是否能在仇视星球上发明宜居环境,它是第一批修建之一。
会议上的一位发言人表明,自己在俄罗斯莫斯科的一个仿照太空休息地里呆了 8 个月,她谈到了使命完毕后的一段时刻对她来说是多么困难。在会议上,从头融入社会的心思问题成为不断被提起的论题之一。事实证明,斯威尼并不孑立。
在国际各地,大约有 20 个仿照太空设备收留了自愿成为研讨方针的人,他们在极地站、沙漠据点,甚至在美国国家航空航天局中心内的关闭休息地阻隔数周或数月。
这些当地旨在仿照人们在火星、月球或长时刻轨迹站上的日子方法。科学家们表明,这样的研讨能够协助测验医疗和软件东西,促进室内农业开展,并处理仿照宇航员在“使命”完毕后遇到的困难,包含和斯威尼相同的人。
最近,一个研讨集体通过拟定规范使该范畴愈加正规化,并让效果具有可比性;将研讨论文收集到一个数据库中,以便研讨人员能够在从前的作业基础上进行研讨;将科学家、参加者和设备负责人集合在一同,共享效果和见地。
有了这种凝聚力,一个从前冷清的研讨范畴正在进步其知名度,并希望在航天安排中取得更多的诺言。“我以为这种仿照的价值被轻视了,”正在协助推动此类活动正规化的退役空军军官杰尼·黑斯特曼(Jenni Hesterman)说,“许多人以为这仅仅太空营。”
进入太空需求许多的资源和时刻,而仿照宇航员设备是一种不需求进行太空使命,就能够进行相关测验的方法。例如,科学家们希望保证东西在太空中能够正常作业。因而,仿照宇航员将测验从宇航服到极点环境医疗设备等各种设备。
研讨人员还对宇航员在阻隔情况下的体现高度重视。因而,他们有时会通过收集唾液、皮肤、血液、尿液和粪便样原本盯梢微生物群改变、压力水平缓免疫反响等特征。
意大利天主教圣心大学心思学教授弗朗塞斯克·帕格尼尼(Francesco Pagnini)与欧洲和意大利航天安排协作研讨了人类的行为和体现,他说,仿照使命“能够让咱们深化了解一个人会怎么反响,或许什么样的团队,什么样的人的组合,会对特定的应战做出反响”。
一些设备由航天安排运营,如美国国家航空航天局的人类探究研讨仿照项目(HERA,Human Exploration Research Analog),该项目坐落休斯顿的美国国家航空宇航局约翰逊航天中心内。
该中心还设有一个名为“船员健康与体现探究仿照”(CHAPEA,Crew Health and Performance Exploration Analog)的休息地,由 3D 打印制造,宇航员们将在那里仿照为期一年的火星使命。它的结构看起来就像是在国际里,人工智能以宜家能买到的东西发明晰一个日子空间。
可是,大多数仿照设备都是由私家安排运营的,并承受航天安排、大学研讨人员的研讨主张,有时还承受普通人递送的项目请求。
这样的作业现已进行了几十年。美国国家航空航天局的第一次官方仿照使命于 1997 年在逝世谷进行,其时四个人花了一周时刻扮演火星地质学家。2000 年,非营利安排火星协会(Mars Society),一个太空探究倡议和研讨安排,在加拿大努纳武特制造了 Flashline 火星北极研讨站,不久后在犹他州制造了火星沙漠研讨站。美国国家航空航天局的研讨人员也运用过这两种设备。
但这种做法早在这些项目之前就现已存在了,即便术语和永久性设备其时还不存在。在阿波罗年代,宇航员常常在亚利桑那州和夏威夷测验他们的周游车,太空行走和科学技术。
美国国家航空航天局飞翔仿照项目的前首席科学家罗尼塔·克伦威尔(Ronita Cromwell)表明,许多设备都坐落两类当地:极点环境和受控环境。前者包含南极或北极研讨站,这些研讨站往往用于研讨睡觉方法和团队情况等主题。
后者,关闭的仿照休息地,首要用于人类行为研讨,包含学习认知才能在使命过程中怎么改变,或许测验设备,比方协助宇航员在不与使命控制中心交流的情况下做出决议方案的软件。跟着宇航员离地球的间隔越来越远,这种独立性变得益发必要,由于通讯推迟会跟着间隔的添加而添加。
在美国国家航空航天局的使命仿照作业中,克伦威尔看到了它们的价值。克伦威尔说:“让我振奋的是,咱们能够在地上上发明某种太空环境,研讨人体的太空改变,无论是心思、认知仍是生理改变。”
例如,宾夕法尼亚大学的精神病学研讨人员最近发现,跟着使命的进行,HERA 团队的成员在认知使命上体现更好,比方点击屏幕上随机呈现的方块和记住三维物体。
最近,西北大学和德保罗大学的科学家领导的另一项 HERA 研讨发现,跟着时刻的推移,团队在一同履行物理使命方面做得更好。但当他们企图发明性地和才智地协作完结使命时,比方对给定物体的用处进行尽或许多的脑筋风暴,他们的体现变得更糟了。
这些大脑和行为的改变能够协助科学家了解在其他偏僻、单调、严重的情形下布置的团队。帕格尼尼说:“我以为太空心思学也能够用于日常日子的许多场景下。”
在物理方面,最近,一个包含美国国家航空航天局科学家在内的国际团队运用火星沙漠研讨站进行了一项测验,关于仿照宇航员是否能够快速学会怎么运用一种医疗设备修正骨折,这种设备能够在火星或远离医疗设备的偏僻地区运用。
对自给自足、可持续日子的查询也提醒了人类怎么运用少数资源在地球上生计下去。例如,澳大利亚格里菲斯大学医学研讨人员领导的团队进行了一项实验,他们在紧迫情况下测验从矿藏中提取水。
尽管在太空中进行的科学研讨一般会遭到更多重视,但对包含人类在内的一切体系进行地上测验是必要的,即便这些测验并不吸引人或许为大众所知。克伦威尔在谈到她在美国国家航空航天局仿照项目上的作业时,恶作剧说:“我觉得我手里握着一个深藏而漆黑的隐秘。”
事实上,即便是在相邻范畴作业的人或许也没有传闻过这个范畴。天体物理学家普瑞沃在 2020 年才了解到仿照太空研讨。可是,跟着新冠肺炎约束办法的施行,大多数设备现已中止了新的使命。“假如我不能去仿照设备,或许我能够自行安排仿照活动,”普瑞沃说。
在她爸爸妈妈家的后院,一片垂柳和修剪规整的树篱旁,她用扫帚柄和帐子状的材料制造了一个球形圆顶修建。
普瑞沃在里面阻隔了一周,只要上厕所,还有身着仿照宇航服时才会脱离。她与修建外的人设置了 20 分钟的交流推迟,食用冻干食物(她开端厌烦这些食物了),还吃粉虫和蝗虫来取得昆虫蛋白质,她比预期的更喜爱昆虫类食物。
尽管普瑞沃供认她的个人仿照“保真度较低”,但它为更严厉的研讨供给了一个测验时机。到 2021 年,普瑞沃与 SpaceX 民用宇航员锡安·普罗科特(Sian Proctor)一同创立了斯威尼参加的仿照宇航员大会,以及一个由 1000 多人组成的在线社区。
2022 年 11 月,她还在别人的后院参加了一次仿照使命。他们的使命由火星协会资助,触及心思健康、地质研讨东西和可持续食物供给的研讨。假如他们要去火星生计,一切这些都是必要的。
但他们并没有前往火星,而是美国犹他州。该设备由火星协会运营,坐落一条名为 N Cow Dung Road 的土路的 3.4 英里处。
那里的景象看起来很不错,包含蘑菇状的岩层,沙粒状的地上,以及被腐蚀的赤色岩石山丘等。
该设备坐落在一个被山丘围住的平整地带,有一个两层楼高但直径只要 26 英尺的圆柱形日子空间。休息地通过地上“地道”连接到一个温室和一个球状圆顶修建,相似于普瑞沃自己打造的后院,并设有控制中心和实验室。
2022 年 11 月,普瑞沃带着一个团队在那里呆了两周,黑斯特曼担任指挥官。在休息地里,一名天体生物学学生企图在船员的食物废物中栽培可食用的蘑菇。
另一位团队成员想看看他们是否能够用奶粉和细菌制造酸奶。与此一起,普瑞沃正在实验一种名为 PARO 的人工智能机器人伴侣。表面像竖琴海豹宝宝,PARO 一般用于缓解医疗情况下的压力。团队成员与 PARO 互动,并佩带生物监测带,丈量心率等信息。
使命完毕后,他们与其别人进行了攀谈,并交流了一些问题,比方灭火器过期,缺少对运用专业技术和生命支撑体系的参加者的安全训练等等。他们咨询了前飞机事端查询员艾米利·阿波罗尼欧(Emily Apolonio)。
2022 年,她前往夏威夷,住在 HI-SEAS,这是一个 1200 平方英尺的仿照站,坐落毛纳罗亚火山海拔 8200 英尺处。阿波罗尼欧以为 HI-SEAS 存在能够防止的问题。首要,浴室里只要一个堆肥厕所,使命人员不答应在里面小便,还有一个小便器,而女人也(被逼)有必要运用。
跟着本年 6 月发布的草案,他们希望为参加者改进条件,例如,保证设备恪守修建规范并供给满足的医疗支撑。他们还希望鼓舞仿照参加者遵从研讨最佳实践,以保证效果的严谨性。
例如,规范主张,每个使命的研讨方案都有必要通过首席研讨员和休息地主任的预先验证,并且给出研讨完结的时刻表,假如有人体实验,还要取得安排审查委员会的同意。尽管有联邦或安排拨款的项目无论怎么都要通过这些过程,但方法并不一致。
尽管一些仿照活动现已拟定了严厉的规则来维护参加者,但她从搭档那里传闻的安全问题和包容性距离促进阿波罗尼欧创办了一家训练和咨询公司,名为星际体实际验室(Interstellar Performance Labs),旨在协助未来的仿照宇航员在履行使命前做好预备。
她还开端与普瑞沃、黑斯特曼等人协作,正在编写一份名为“空间仿照国际指南和规范”的文件。
这些规范还具体说明晰研讨数据库的创立,将仿照项目的一切记载(同行评定或其他材料)放在同一个当地。这样,人们就不需求做重复的作业,除非他们想测验效果的可仿制性。他们还能够更好地将自己的研讨与航天安排的既定需求联络起来,以便更直接地为实际国际供给协助和相关信息。
作为这一集中化尽力的一部分,普瑞沃、阿波罗尼欧、黑斯特曼和搭档们还正在进行他们口中的国际上最大的仿照使命。这是一项为期一个月的使命,触及国际各地至少 10 个独立的基地,这些基地将一同仿照未来在太空中的大规模协作。
可是,到现在为止,企图赋予社区凝聚力和连贯性的尽力,没有彻底处理仿照日子给许多参加者带来的费事:他们将怎么面对使命的完毕。阿波罗尼欧在谈到自己的阅历时说:“离别仿照使命比参加仿照使命困难得多。”
从 HI-SEAS 项目脱离后不久,她和老公有一次在街上漫步。灯火、噪音对她来说有些令人不适。
“我不知道该看向哪里,也不知道该去哪里,”她说,“我好像没有任何主意。”当他们在一家餐厅吃晚餐时,服务员递给她一份菜单,她僵住了。“我有必要自己挑选食物,”她忽然认识到了这一点。这让她莫衷一是,并且,这种感觉并没有跟着时刻的消逝而削弱。
黑斯特曼说,与此一起,很少有其别人了解这种阅历。她持续说道:“你回家后感到很振奋,刻不容缓地想与咱们共享这件事。你会告知每一个人,但也仅限于此,之后你就要回归到付账单、割草之类的日常小事上。但你依然想议论它。”
普瑞沃很牵挂团队感和有一同方针的感觉,并开端在仿照之外寻觅这些感觉。“我需求在日常日子中找到相同的感觉,”她说,“咱们都需求咱们的团队。”
帕格尼尼指出,对使命后阅历的研讨很少。2023 年 3 月,他与人合著了一篇由欧洲航天局托付编撰的总述论文,旨在概述人类在太空中的行为和体现的研讨现状,包含科学上的空白。
他们的研讨发现,关于宇航员在“使命后”的反响和应对方法的研讨特别罕见,从仿照空间回来实际国际也是如此。
帕格尼尼说,这项研讨不只与仿照或真实的宇航员有关。太空中的生命与地球上的生命有相似之处,也包含它所面对的困难。
例如,意大利面对新冠疫情所采纳的严厉约束和长时刻的封城,就像是去履行一个仿照使命。“当咱们走出封闭阶段时,与其别人联络变得有点古怪。”他说。就好像是,在地球上过着正常的日子是很古怪的一件事。
这种生疏感也会呈现在其他阅历中,比方在军事活动之后回归家庭日子。美国伊利诺伊大学传播学教授林尼·科诺布洛驰(Leanne Knobloch)对武士配偶进行了一项大规模的重返社会研讨,她说:“人们的希望是,家庭一旦聚会,就会从此幸福地日子,这便是为什么重返社会有时会被忽视的原因。可是,越来越多的研讨人员开端认识到,重返社会是一个充溢应战的时期,而不全是人们幻想中的幸福美满的结局。”
科诺布洛驰的作业包含供给减轻过渡期妨碍的主张,比方让人们为他们或许阅历的问题做好预备。她说:“假如你现已预备好了,知道自己或许会遇到哪些问题,那么压力就不会那么大了。由于你会认识到它们是正常的。”
例如,阿波罗尼欧的星际体实际验室现已方案将“善后”教育归入其间,教育参加者回归正常日子或许面对的问题。
当斯威尼脱离斯维茨冰川的那一天总算到来时,一架飞机好像在天边横空呈现,就好像这个偏僻的前哨基地变成了繁忙的机场。当她脱离时,她垂头看着营地,那里还有一半的队员。“你能够看到咱们的足迹是多么的藐小。”她说。仅仅无边无际的白色空间中的一个斑驳。
回来北美后,斯威尼就开端享用与家人在一同的韶光。但调整并不简单。她说:“回来后的每一天,我都感觉自己被拽向了不同的方向。”要一同推动许多项目,当导师、讲演、做博士研讨,她感遭到了自己的自我割裂。在南极洲,她更像是一个全体,润滑无棱。
但在 5 月份的仿照宇航员大会上,传闻其别人也遇到了相似的调整困难,斯威尼开端感到正常,并且有一个社区能够协助应对仿照使命后的应战。
在新数据库和规范化办法的协助下,进一步的研讨或许有助于提醒最佳的应对战略,以及成功的团队成员情况、压力发明者和缓解者的要害,以及使使命更简单的东西和规划。或许有人会检查数据库,发现一些科学上的空白,并企图添补它。
这样的研讨或许会引起斯威尼和其他难以习惯日常日子的人的共识。她说:“咱们有必要回去作业,咱们有必要去回归家庭,咱们想从头开端咱们从前从事的项目。但一起,咱们需求为刚刚阅历的作业腾出空间,并能够缓解它带来的压力。”
支撑:Ren
5月19日,雷军经过个人交际帐号官宣小米新品发布会时刻:小米战略新品发布会,定在5月22日晚7点。这次重磅新品特别多:手机SoC芯片小米玄戒O1,小米15SPro,小米平板7 Ultra,小米首款SU...
就在下周!清明小长假要来了清明节假日4月4日(下周五)至4月6日(下周日)放假三天不调休假日计划自驾出行的朋友留意啦!2025年清明节小型客车免费通行依据国务院发布的《关于批转交通运输部等部分严重节假...
经过上一年的大规划调整之后,阿里背上的包袱仍旧沉重。本年以来,阿里环绕剥离非中心主业打出了一套连招,先是宣告出售高鑫零售,紧接着又宣告割肉银泰百货,退出了这个投入十年汗水的线下零售实体。其实,阿里出售银泰百货以及高鑫零售早有预兆。早在上一年马云重回一线后,就提出了“回归淘宝、回归用户、回归互联网”的标语,随后阿里内部打开了一系列雷厉风行的革新,聚集主业的战略益发明晰。
来历:蛇眼财经经过上一年的大规划调整之后,阿里背上的包袱仍旧沉重。本年以来,阿里环绕剥离非中心主业打出了一套连招,先是宣告出售高鑫零售,紧接着又宣告割肉银泰百货,退出了这个投入十年汗水的线下零售实体。...
在荷兰主帅滕哈格带领下,传统豪门曼联仍然没有显着起色。北京时间9月30日,曼联主场以0比3惨败于热刺,还支付队长布鲁诺·费尔南德斯(B费)被红牌罚下的价值。上赛季,曼联仅排名英超第八,创下队史最差英超...
英伟达是AI芯片商场遥遥*的赢家,这是毫无争议的。但现在,多个厂商正在经过各种方法,向英伟达建议冲击。
AI 芯片草创公司融资,与 Nvidia 比赛
一家旨在与 Nvidia (比赛的草创芯片制作商周二标明,已融资 2,350 万美元,用于扩展其美国产人工智能芯片的出产。
参加此轮融资的出资者包括以支撑埃隆·马斯克的公司而知名的 Valor Equity Partners、Atreides Management、Flume Ventures 和 Resilience Reserve。
Positron 的芯片用于推理,即运用 AI 模型的阶段,而不是用于练习 AI 模型。现在,对练习芯片的需求更高,但剖析师猜测,跟着更多 AI 运用的布置,对推理芯片的需求或许会逾越练习芯片。
跟着企业尽力应对 AI 本钱开支、不断上升的本钱和供货商确认,Positron 为客户供给了高功用、节能的代替计划。Positron 的 Atlas 体系现在在推理方面完结了比 Nvidia H100 GPU 更高的 3.5 倍每美元功用和 3.5 倍的功率功率。Positron 的 FPGA 服务器运用内存优化架构,带宽运用率到达 93% 以上(而 GPU 仅为 10-30%),支撑万亿参数模型,一起供给与 Hugging Face 和 OpenAI API 的即插即用兼容性。与 H100/H200 设置比较,这些体系的推理速度提高了 70%,功耗下降了 66%,将数据中心本钱开支减少了 50%。
除了规范之外(在受全球政治和经济紧张局势影响的生态体系中,这些规范相同重要),该公司的*代 Atlas 体系彻底在美国规划、制作和拼装。
Nvidia 应战者 Groq 融资15 亿美元
美国人工智能芯片制作商 Groq 陈述称,该公司已获得沙特阿拉伯 15 亿美元的许诺。凭仗这笔资金,这个中东国家期望扩展先进人工智能芯片的供给。
这家硅谷公司由前谷歌职工、TPU 的创造者乔纳森·罗斯创立,以出产优化速度和履行预练习模型指令的推理芯片而知名。
剖析师以为 Groq 是Nvidia 的潜在比赛对手。后者现在是 AI 革新的*赢家。凭仗 Groq 及其自主研制的言语处理单元 (LPU),一个强壮的比赛对手现已酝酿已久。15 亿美元出资的音讯进一步证明了这一观念。
LPU 计划于 2024 年头推出。虽然其他潜在的 Nvidia 比赛对手专心于练习和推理,但 Groq 的方针十分清晰:Groq 是快速 AI 推理。经过与 OpenAI 兼容的 API 链接,该公司旨在招引用户远离运用 GPT-4o 和 o1 等关闭模型。
言语处理单元 (LPU) 的开发由前谷歌 TPU 规划师 Jonathan Ross 领导。LPU 于 2024 年头推出,可在线试用。与其他潜在的 Nvidia 比赛对手瞄准练习和推理比较,Groq 的方针很清晰:“Groq 是快速 AI 推理”。得益于与 OpenAI 兼容的 API 衔接,该公司的方针是让用户不再运用 GPT-4o 和 o1 等关闭模型。那么,与 Meta 和 DeepSeek 等公司协作的时机就很大了。
这现已标明,Groq 或许并不计划直接与 Nvidia 比赛。自从咱们一年前报导该公司以来,咱们留意到像 Groq 这样的公司更乐意直接针对终究用户,而将硬件本身笼统出来。终究方针是尽或许下降推迟。假如您仅仅想在没有本地硬件的状况下快速运转 Llama 3.3 70B,那么这或许是正确的产品。鉴于 Groq 没有供给有关首要硬件买卖的清晰信息,咱们只能假定除了国家试验室的试验和经过其 API 触摸 Groq 的客户之外,这样的买卖并不多。
但是,LPU 是另一个调整 GPU 以习惯企业实践核算需求的比方。“Groq LPU 架构始于软件优先准则”,该公司标明,这导致了专用于线性代数的芯片的诞生——“人工智能推理的首要要求”。实践上,编译器现已确认了芯片布局,没有路由器或控制器阻挠硬件与本身通讯。用 Groq 的话来说,LPU 是一条“装配线”或“传送带”,将数据从其各种片上内存模块和芯片中转移出来。这是为了防止该公司所谓的 Nvidia 的“中心辐射”办法所固有的 GPU 开支。
终究的结果是,该芯片能够到达 750 TOPS。每个芯片包括 230 MB 的 SRAM 和 80 TB/s 的片上内存带宽。鉴于一个 GroqChip 仅仅 GroqRack 核算集群的一部分,这些根本规范终究并不是该公司最杰出的。它最知名的便是快速推理。或许大规划的人工智能选用将使 Groq 找到自己的利基商场,并向国际展现它的成功。到现在为止,咱们只能依据编撰本文时对根据 Groq 的 LLM 宣布的 1,425,093,318 个恳求来判别。
Meta 欲收买韩国 AI 芯片公司 Furiosa AI
据报导,Meta Platforms(Meta)正在考虑收买韩国AI半导体规划草创公司Furiosa AI。
11日(当地时刻),美国经济媒体《福布斯》征引音讯人士的话报导称,Meta 正在商谈收买 Furiosa AI 事宜,商洽最早或许在本月完结。
Furiosa AI 是一家规划数据中心 AI 半导体的无晶圆厂公司(专门从事半导体规划),由曾在三星电子和 AMD 任职的 CEO 白俊浩于 2017 年创立。继 2021 年推出* AI 半导体“Warboy”后,该公司于上一年 8 月推出了下一代 AI 半导体“Renegade”(RNGD)。
现在已有多家企业对Furiosa AI体现出爱好,据悉Meta是其中之一。有剖析以为,Meta收买Furiosa AI是为了稳固本身AI芯片研制才干。
现在,Meta 正花费巨额资金批量收购英伟达 AI 芯片,并与博通协作开发定制 AI 芯片。该公司本年计划出资高达 650 亿美元(约 93 万亿韩元),包括用于 AI 研讨和新数据中心的建造。
Furiosa AI 迄今已筹措约 1.15 亿美元(约 1671 亿韩元),并于本月初从风险出资公司 Krit Ventures 获得了额定的 20 亿韩元出资。Naver 和 DSC Investment 参加了初始融资,据报导,首席履行官 Baek Joon-ho 持有该公司 18.4% 的股权。
OpenAI 自研芯片,应战 Nvidia
大型科技公司和人工智能草创公司仍然在很大程度上依靠 Nvidia 的芯片来练习和运转*进的人工智能模型。但是,这种状况或许很快就会改动。OpenAI 正在带头展开一项大规划的全职业尽力,将更廉价的定制人工智能加快器推向商场。假如成功,这一行动或许会削弱 Nvidia 在人工智能硬件范畴的主导位置,使该公司堕入更困难的商场。
OpenAI 行将推出其*定制规划的 AI 芯片。路透社估计,该公司将在未来几个月将芯片规划发送给台积电进行验证,然后于 2026 年开端量产。该芯片已进入流片阶段,但 OpenAI 或许需求许多职工才干在 AI 加快器商场完结彻底自给自足。
这款定制芯片由 Richard Ho 领导的“小型”内部团队规划,他一年多前脱离谷歌参加 OpenAI。这个 40 人团队与 Broadcom 协作,Broadcom 是一家备受争议的公司,在创立定制 ASIC 处理计划方面有着杰出的记载。两家公司于 2024 年开端商洽以芯片为要点的协作伙伴关系,终究方针是打造新的 AI 芯片。
业界音讯人士称,OpenAI 的规划既能够练习也能够运转 AI 模型,但该公司开端只会将其有限量地用于 AI 推理使命。台积电将在其 3nm 技能节点上制作终究的芯片,OpenAI 估计它将包括必定数量的高带宽内存,就像任何其他首要的 AI(或 GPU)硅片规划相同。
虽然在未来几个月内 OpenAI 的芯片在公司基础设施中只扮演非必须人物,但在不久的将来,它或许会成为一股严重的颠覆性力气。新规划首要需求顺畅经过流片阶段,而 Ho 的团队需求修正在初始制作测验中发现的任何硬件过错。
许多科技公司都在活跃尽力用自己的定制 AI 加快处理计划代替 Nvidia 产品,但这家 GPU 制作商仍占有着约 80% 的商场份额。微软、谷歌、Meta 和其他大型科技巨子正在招聘数百名工程师来处理芯片问题,而 OpenAI 在时刻和职工规划方面都排在终究。
简而言之,OpenAI 需求的不仅仅是现在由 Richard Ho 领导的开发 AI 芯片原型的小型内部团队。在内部,该芯片项目被视为不断开展的 AI 范畴未来战略行动的要害东西。在等候台积电的规划验证的一起,OpenAI 工程师现已在计划更先进的迭代,以完结更广泛的运用。
英伟达的缺点,芯片公司群起而攻之
虽然没有哪家公司像 Nvidia 那样,市值飙升至数万亿美元,但 IBM 和(最近)英特尔等公司知道强者的确会式微。当一个人处于*时,自满情绪就会浸透进来。当 Nvidia 故事中一切要害人物都早早退休享用丰盛的退休金时,或许会发生人才流失。
Nvidia 的另一个潜在缺点在于其实践产品:GPU。它们是功用极端强壮的通用并行处理器。它们被规划为比国际上任何常见的处理器都更能处理并行化。但是,它们好像现已到达了极限。最新的两代芯片(Ada Lovelace 和 Blackwell)现已到达了台积电的*标线尺度。
换句话说,实践硅片无法逾越其当时规划。Blackwell 应该经过交融芯片来处理这个问题,但这些现已导致了价值昂扬的推迟。它们或许也会呈现在下一代 Rubin 架构及今后的架构中。除此之外,GPU 的运转方法存在固有的开支,而这些开支是潜在比赛对手无法减少的。GPU 具有多面性,之所以被选为 AI 引擎,并不是由于它们被规划为高效处理 GenAI 作业负载,而是由于它们是手头上最挨近的核算单元,并且具有可扩展性。
推翻 Nvidia 的路途是选用特定的 GenAI 中心架构。这种芯片本质上是为 AI 革新量身定制的,具有随之而来的一切功率和速度。他们的首要优势是简略地脱节一切 GPU 开支并砍掉使 Nvidia 硬件如此通用的任何不用要的硅片。有些公司正在寻求这样做。
一、Cerebras:晶圆级的“芯片上的模型”
Cerebras Systems做出的许诺的确很高。这家美国公司具有“国际上最快的推理速度”——比 GPU 快 70 倍——已成为 Nvidia 最杰出的代替品之一。假如有人以为 Blackwell 芯片很大,那就看看 Cerebras 的庞然大物吧。他们的处理器是“晶圆级”的。这意味着它们是矩形硅片,巨细简直与代工厂规范 300 毫米晶圆尺度答应的巨细适当。
单个 Cerebras WSE-3 带有 44GB 的片上内存,大约是 Nvidia H100 的 880 倍。真实的胜利是它的内存带宽。这一般是 GenAI 练习和推理的瓶颈:每秒 21 PB,这个数字比 H100 高出七千倍。当然,这都是理论上的吞吐量。即便是所谓的同类基准测验也无法告诉您需求多少优化才干运用这些强壮的规范。
Cerebras 的客户名单令人形象深入,但更让人对公司的未来充满信心。Meta、Docker、Aleph Alpha 和纳斯达克等公司都在运用该公司的技能。这些或许与 Cerebras 的一项或多项产品有关。这些规模从一应俱全的 AI 模型服务到按小时付费或按模型付费的计划,以进行大规划练习、微谐和/或推理。Llama 3.3 系列模型、Mistral 和 Starcoder 成为与 Cerebras 兼容的 LLM 的模范,并具有真实的影响力。
Cerebras 极有或许还需求逾越迄今为止在六轮融资中筹措的 7.2 亿美元的资金。考虑到 Nvidia 每年在研制上花费高达 800 亿美元,其晶圆级比赛对手终究的 IPO 或许会缩小这一距离。终究,功用和功率也或许对 Cerebras 有利。
清楚明了的是,许多的片上内存使芯片规划比经过以太网或 Nvidia 自己的 InfiniBand 衔接在一起的 GPU 集群更挨近 AI 模型所需的养分。终究,权重和激活就在那里,以挨近光速的速度供给,而不用经过相对缓慢的互连。咱们在这里议论的是纳秒的差异,但仍然是数量级的。当你把几个月的 AI 练习和推理加在一起时,这种距离就变得巨大了。
二、SambaNova:数据是要害
另一个应战者则走上了一条不同的架构道路:SambaNova。四年前,在 ChatGPT 呈现之前,该公司现已积累了 10 亿美元。与 Cerebras 相同,现在的产品也直指 Nvidia 的 GPU 处理计划,并杰出了其固有的 AI 缺点。与此一起, SambaNova将其 RDU(可重构数据流单元)列为“为下一代 AI 作业负载(称为 Agentic AI)而构建”。换句话说,该公司环绕模型的核算图来安排其硬件,而不是依靠次序指令。
据称,单个 SN40L RDU 的内存中能够包容“数百个模型”。这归功于其巨大的 1.5 TB DRAM、64GB 同封装 HBM 和超高速 520MB SRAM 缓存。单个 SN40L 节点能够以每秒逾越 1TB 的速度传输数据。从表面上看,Nvidia 的最新一代 GPU Blackwell 已到达 8 TB/s 的速度。虽然如此,就现在状况而言,SambaNova 宣称其数据流架构可完结地球上 Llama 3.1 405B 上最快的推理速度。据该公司称,RDU 在处理数据方面的内置功率意味着,在“一小部分占用空间”的状况下,能够获得比传统 GPU 更高的功用。
现在尚不清楚 SambaNova 在企业中的实践布置状况。阿贡国家试验室和劳伦斯利弗莫尔等国家试验室好像很支撑,一些专门针对医疗保健的公司也是如此。SambaNova 的终究方针是为企业供给本地 AI 练习处理计划。虽然资金雄厚,但咱们需求看到更多大牌公司涌向 SambaNova,才干愈加确认其长时间可行性——不管是否经过官方公告。
三、Etched:一款操纵商场的transformer ASIC
与变压器模型最挨近的类比是transformer ASIC。正如 Nvidia 应战者 Etched 对其 Sohu 芯片的描绘,变压器是“蚀刻在硅片上的”。它看起来很像 GPU,其 VRM 环绕着硅片,呈矩形附加卡形状。8 个变压器好像比 8 个 Nvidia B200 GPU 的吞吐量要小,更不用说 8 个前期的 H100 了。终究结果是:运用 Llama 70B 每秒可处理 500,000 个令牌。
144GB HBM3E 仅向单个“中心”供给数据,实践上是将 LLM 的架构转移到硅片上。听说支撑乃至到达 100 万亿个参数模型,远远超出了现在*进的 LLM。彻底开源的软件仓库应该会招引那些不乐意坚持运用 Nvidia 关闭的 CUDA 花园的人。
至关重要的是,Etched 击中了Nvidia 的把柄。如前所述,GPU 现已到达了极限。假如不选用一些技巧,比方构建一般达不到硅片速度的互连,它们就无法开展。并且,关于一些比赛对手来说,它们并不像 Etched 所做的那样专心于算法。但是,有一件事仍不清楚,那便是搜狐终究何时会呈现。在 2024 年中期引起轰动之后,工作变得适当安静。
四、AMD、英特尔、谷歌、亚马逊……
咱们应该留意其他一些更为人熟知的潜在 Nvidia 比赛对手。最显着的是 AMD,它将其 Instinct MI 系列加快器打造为最挨近 Nvidia GPU 的嵌入式产品。该公司的一些类型乃至将 Instinct 与 Epyc 集成到芯片规划中。这交融了 GPU 和 CPU 功用,可供给有出路的一体化 AI 套件。问题在于,其 ROCm 软件好像未被充沛选用和注重。CUDA 占主导位置,Nvidia 也是如此。为什么要为不像其比赛对手那样无处不在的芯片开发结构或模型管道?
英特尔也面对相似的问题,乃至更为严重。曩昔两年,英特尔的 Gaudi GPU 产品线并未发生推进 AMD 股价上涨的那种需求。除此之外,跟着首席履行官帕特·基辛格 (Pat Gelsinger) 的离任,英特尔好像失去了方向,在其他细分商场面对严峻应战时,该公司在 AI 方面体现得毫无作为。假如没有成绩*优势或 AMD 所具有的应战者位置,改动命运的期望就很迷茫。
与此一起,云供给商是 Nvidia *的客户之一。他们都期望脱节对 AI 芯片巨子的依靠。他们正在经过打造自己的代替计划来完结这一方针。谷歌多年来一向这样做,其张量处理单元 (TPU) 是那些期望在云端运转 AI 的人的*。但是,假如它们只能经过 Google Cloud 获得,它们就永久不会无处不在。
AWS 令人形象深入的 Trainium 芯片和 Inferentia 系列也是如此,它们都可经过 AWS 获得。这些产品也永久不会在亚马逊具有的数据中心之外找到。谷歌和 AWS(微软或许会仿效)需求构建一个开发人员仓库来笼统架构。这一般意味着向 Nvidia 选项的可移植改变永久不会悠远。终究,只有当他们原本就有或许挑选你的仓库时,你才干招引首要受众。
定论:看不到止境
Nvidia 的代替品还有许多。咱们能够持续评论 Graphcore,自 2023 年呈现可怕的音讯以来,咱们就没有再议论过它。或许 Tenstorrent,它正在开源 RISC-V 架构上构建 AI 芯片。上面看到的挑选仅仅整个比赛环境的一小部分。在我国,也有寒武纪、海光、华为、燧原、摩尔线程、沐曦、天数智芯和壁仞等一批芯片公司对英伟达建议总攻。咱们以为,在硬件范畴,总有时机呈现一个意想不到的提名人,就像 DeepSeek 在 AI 模型制作者比赛中所做的那样。
咱们将回到开端的当地。Nvidia 在 GenAI 商场牢牢占有主导位置,尤其是在练习方面。虽然上述 AI 芯片草创公司展现了高规范,但咱们没有看到任何能够阻挠一般 AI 基础设施决策者购买 Nvidia 的东西。任何代替计划都必须以超卓的功率许诺、*的功用冠军或两者兼而有之来向前跨进。
即便如此,现任者也不会简单甩手。Nvidia 现已忙于浸透没有进入的 AI 范畴。除了在消费机器范畴的主导位置外,它现在还经过 Project Digits 提出了彻底专用于 GenAI 的开发套件。与此一起,Jetson Nano 服务于边际布置。没有比赛对手,乃至连 Nvidia 最挨近的比赛对手 AMD 都没有这种灵活性。这将协助该公司渡过未来的风暴,即便它需求抛弃 GPU 的万能位置才干获得进一步的成功。当你有 (约) 3 万亿美元的市值支撑时,转向专用的 transformer/GenAI 处理器是最简单做到的。
【本文由出资界协作伙伴微信大众号:半导体职业调查授权发布,本渠道仅供给信息存储服务。】如有任何疑问,请联络(editor@zero2ipo.com.cn)出资界处理。
来历:出资界英伟达是AI芯片商场遥遥*的赢家,这是毫无争议的。但现在,多个厂商正在经过各种方法,向英伟达建议冲击。AI 芯片草创公司融资,与 Nvidia 比赛一家旨在与 Nvidia (比赛的草创芯...
6月14日上午,水利部组织开展抗旱专题会商,分析研判华北黄淮等北方地区旱情形势,要求即日起,受旱地区上游黄河、海河、淮河流域的控制性水库全部进入抗旱调度模式,加大下泄流量,保障抗旱用水...