最新的 Cerebras 软件框架可以为PyTorch 2.0 和最新的 AI 模型和技术（如多模态模型、视觉转换器、专家混合和扩散）提供原生支持。Cerebras 仍然是唯一为动态和非结构化稀疏性提供本机硬件加速的平台，相比英伟达的DGX-100计算机系统，将训练速度提高了8 倍。
2020年5月，燧原科技融了7亿；2021年融了18亿；2023年融了20亿。
尽管很多产品在拥抱 AI 的过程中含有不少「水分」，比如可能只是接入了类 ChatGPT 的生成式 AI 聊天机器人，或者只是引入云端大模型的能力。但从「AI 消除」到「AI 通话/阅读摘要」，我们也要承认，基于背后的大模型，生成式 AI 的确开始改变我们的数字体验。
而长远来看，加码研发也是需持续贯彻的动作，因为当前存算一体芯片产业仍未进入真正的成熟期，北京航空航天大学教授康旺就曾指出：“受限于存储器介质本身的物理结构、阵列规模与工艺成熟度等因素，当前的存算一体技术在运算精度、运算规模等方面仍然存在诸多挑战。”
在 AI 需求持续高涨的趋势下，英特尔去年就率先推出用于下一代先进封装的玻璃基板，并表示将在未来几年推出完整的解决方案，首批基于玻璃基板的芯片将面向数据中心、AI 高性能计算领域。
“下一场工业革命已经开始。各大公司和地区正与英伟达合作，将价值数万亿美元的传统数据中心转向加速计算，并建立一种新型数据中心——AI工厂，以生产一种新商品：人工智能。”黄仁勋在一份声明中表示，从服务器、网络和基础设施制造商到软件开发商，整个行业都在为Blackwell加速人工智能驱动的创新做好准备。
实现基于智能网联的下一代自动驾驶技术，邢国良表示，这需要在嵌入式视觉和车路协同两个方向进行突破。其中，在车端和路侧，需要高性能的多模态传感器和感知算法支持，而在车路协同层面，需要全新的分布式算法来扩展车辆感知范围，提高感知精度。相应地，前者带来庞大数据量、高计算负载挑战，而后者则对高通信带宽需求、实时性、感知融合精度提出高要求。
AI芯片市场预计将加速增长。加拿大Precedence研究机构估计今年AI芯片市场规模为300亿美元，预计到2029年将超过1000亿美元，到2032年将超过2000亿美元。在这一领域，英伟达目前处于领先地位，但无法跟上不断增长的需求。
在这一背景下，作为英伟达旗下A100、H100、A800和H800等高性能GPU芯片也成为了各大AI公司争抢的对象，尽管现在H100的供应瓶颈有所缓解，但价格仍持续维持在2.5万-3万美元。
发表评论