ZDNet至顶网服务器频道 05月07日 新闻消息:亚马逊Web服务雇佣了新员工,力求创建其服务器中的自定制芯片,而且IT专家期望这样的项目可以导向更低的价格。
亚马逊Web服务(AWS)已经从存储、网络和服务器层面上自定制了硬件,因此其对于芯片优化感兴趣并不让人意外。根据LinkedIn文件,我们看到该公司开放的职位列出了CPU和系统架构师,最近在硬件工程师领域雇佣了新的员工,所有的人员均为来自Calxeda和ARM的芯片专家。
特别的,LinkedIn上这个工作的职位列为硬件开发工程师、硬件设计工程师、芯片优化总监以及硬件工程经理、芯片优化。所列出的大部分工作都位于美国德州奥斯汀。
据悉亚马逊的芯片在坊间已经流传了几个月了,而且这样的自定制不仅仅出现在AWS的硬件自定制战略中,也效法了其他的Web扩展竞争对手,比如Facebook和谷歌,他们都在自定制芯片来适应具体的需求。
某位匿名云咨询师表示:“从扩展的角度看,AWS扩展了1%、2%或者3%的效率,每个月就是数百万的成本。”
AWS一直致力于帮助客户节省成本,IT专家也期望在这个领域也会发生。
“自定制芯片都是为了特殊需求制定,”Aaron Rankin说道,他是AWS的客户,也是Sprout Social的CTO,这是一家社交媒体工具厂商。“英特尔或者AMD x86芯片都是通用专家。他们对于运行Linux很好,但是特定领域的服务来说是无效的。”
进入自定制芯片,可以花小钱办大事,因此可以在每一个时钟周期上节能或者执行更多指令。
“云托管是一种实用的业务,而且赢家最终会是提供更低的价格的一个,”Rankin补充道,“这是一场激烈的竞争。”
某初创云咨询公司顾问Mike Ryan并表示:“这些雇员就是一个征兆。亚马逊已经频繁地降价,而且利用了规模效应,现在引入了自定制硬件,将会进一步改善。”
然而,任何类型的CPU自定制都不会在一夜间发生。ARM芯片技术仍旧在发展中,尚且不支持64位架构,但是有望在今年第三季度得到改善。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自首尔国立大学的研究提出了状态机推理(SMR)框架,解决了大型语言模型在信息检索中的过度思考问题。研究者将推理过程从冗长的令牌生成转变为离散动作(精炼、重排序、停止),使系统能够高效地在状态间转换。实验结果表明,SMR在BEIR和BRIGHT基准测试中显著提高了检索性能,同时减少了74.4%的计算资源消耗,证明其在不同语言模型和检索器中的通用性。这种结构化方法不仅解决了冗余轨迹和误导性推理问题,还为构建更高效的信息检索系统提供了新思路。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
REASONING GYM是GitHub团队开发的一个突破性推理环境库,为强化学习模型提供可验证奖励。与传统固定数据集不同,它能生成无限训练数据并调整难度,涵盖代数、算术、认知、几何等100多个领域的数据生成器。研究显示,即使顶尖AI模型在复杂任务上表现也不佳,而专门针对推理训练的模型明显优于通用模型。更重要的是,在一个领域学习的技能可以意外地迁移到其他领域,这为提升AI推理能力提供了新路径。