至顶网服务器频道 04月08日 新闻消息: 日前,在 GTC 2018 上,Vicor 团队见证了 英伟达 DGX-2 的发布,它是迄今为止最强大的 AI 系统。DGX-2 使用 16 个 SXM3 GPU 卡提供每秒 2 千万亿次浮点运算的计算性能,与前一代 DGX-1 相比,可提供 10 倍的深度学习性能,而功耗仅为 10kW。在展厅内,DGX-2 与 SXM3 卡一同展出,您可以在上面看到最新的Vicor 合封电源 (PoP) 解决方案以及我们的 PI3526 ZVS 降压稳压器。就在不久前的3 月 6 日,我们推出了 600A 稳定电流输出的 PoP 解决方案,其可将 48V 直接转换为 XPU 内核电压。
NVIDIA DGX-2:业界最强大的 AI 系统
合封电源解决方案消除最后一英寸供电问题
合封电源基于 Vicor 分比式电源架构 (FPA),已部署在各种高性能计算系统中,是 2017 OPC(开放式计算项目)美国峰会上的一大亮点。FPA 支持从 48V 直接转换为处理器电压的应用,所带来的效率和电流供给性能类似于常规 12V 设计,但功率密度是其 2 倍。基于 FPA 架构的功率转换和 Vicor SM-ChiP 3D 封装有助于PoP 器件实现更高功率密度。
高密度电源转换解决方案集成在两个模块中:模块化电流倍增器 (MCM) 和模块化电流倍增器驱动器 (MCD)。小型 MCM 有助于在封装上或在最接近处理器裸片的位置提供大电流,进一步消除了通过主板和插座传输大电流所产生的损耗。MCM 可消除困扰常规 12V 设计的"最后一英寸"处理器供电问题,因此,不仅可降低配电损耗,而且还可提高整体电源效率。
合封电源不仅可消除"最后一英寸"问题,为处理器高效供电,而且还可通过支持 48V 输入实现为整个机架的处理器高效供电。传统的12V供电架构,无法在不增加功耗和成本的情况下,为服务器机架上的多个大电流处理器提供强大的功率支持。与 12V 配电相比,采用 48V 配电,服务器机架可获得的优势包括减少铜箔、缩小连接器尺寸以及提高供电效率等。48V 配电有助于数据中心机架突破 12V 机架带来的功率限制(每个机架通常为 15kW 左右),从而可提高机架利用率。除了为数据中心带了巨大的便利外,合封电源的 48V 输入还非常适合为高性能防撞汽车及自动驾驶汽车内使用的处理器供电。
让 48V GPU 系统在原有 12V 系统中工作
在 GTC 上,我们还推出了最新的 NBM 产品,这是一款 12V 至 48V 非隔离的升压转换器,可为仍然依靠原有 12V 配电的数据中心的 48V 高性能 GPU 提供支持。NBM 采用 23 x 17 x 7.4 毫米表面贴装 SM-ChiP 封装,可将 12V 电压转换为 48V,提供超过 98% 的峰值效率、750W 的稳定功率和 1kW 的峰值功率。NBM 是一款完整的解决方案,既不需要外部输入滤波器,也不需要大容量电容器,而且还整合了热插拔及涌流限制技术。
NBM 采用 ZVS 和 ZCS 拓扑在 2MHz 下开关,可为动态负载提供低输出阻抗和 MHz 级的快速瞬态响应。刚过去的GTC 2018,对所有人来说都是一场视觉盛宴,我们为我们的产品能成为 DGX-2 的一部分而感到振奋,Vicor将持续不断地为AI 应用注入创新动力。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。