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首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。