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
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
Qwen团队揭示AI代码助手训练中"验证比生成更难"的核心困境,提出覆盖测试筛选、行为监控、用户反馈挖掘和代理评估四类验证方案,并以实验证明验证系统须持续与AI能力共同进化。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
JETSPEC是由UC San Diego等机构联合提出的推测解码框架,通过树形因果掩码让草稿头在一次前向传播中生成分支一致的候选树,在MATH-500上实现最高9.64倍端到端加速。