ZD至顶网服务器频道 08月15日 新闻消息: Nvidia产品的收入全线上扬,Nvidia称公司上季度的收入创新高。
Nvidia的总部设在美国加州,专攻GPU, 2017年第2财季(截止今年7 月 31 日的三个月)的表现:
个人电脑和工作站图形芯片销售依然强劲。不过首席执行官黄仁勋(Jen-Hsun Huang)却大谈Nvidia在未来几个月从低谷走出来后新市场的增长会在收入里开始显现出来。特别是服务器和互联网连接设备上的机器学习应用程序对GPU加速有需求,而Nvidia则在大力推广可用于这些系统的工具包。
黄仁勋表示,"深度学习和人工智能涉及到各行各业,影响深远,我们十分期待这方面的发展。我们在过去5年里在发展旗下用于深度学习的整个 GPU 计算堆栈上做了重磅投资。"
他表示 ,"我们现在已经准备就绪,将与世界各地的研究人员和开发人员紧密合作,推广强大的深度学习和人工智能技术,为美好的未来创新。"
一众分析师和黄仁勋一样对于增长前景表示乐观,分析师特别看好数据中心和超级规模市场的增长前景,这些市场在加速人工智能和科学工作负载时用到 Nvidia GPU。
Gartner 研究副总裁Mark Hung告诉记者,"这些搞机器学习和超规模的人用的就是GPU。"他认为,Nvidia在这些市场的势头足可以叫板业界芯片巨头。
他表示,"Nvidia 采取的方法与其他ARM厂商不一样,取得了成功,Nvidia并不是正面叫板英特尔,而是真的打造出在可以有效地用于新机器学习算法里的GPU。
Nvidia 股价在盘后交易里涨到61.49美元, 上扬3%。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。