作者:MIKE WHEATLEY
更新时间:2019年5月27日美国东部夏令时03:30
英伟达公司周一早些时候推出了新的英伟达EGX平台,将人工智能引入网络边缘,该平台能够实时感知、理解和处理数据,而无需首先将数据发送到云端或数据中心。
将人工智能应用于智能手机、传感器和工厂机器等边缘设备是该技术不断发展的下一个阶段。最早的人工智能算法非常复杂,只能在云数据中心运行的强大机器上处理,这意味着需要通过网络发送大量信息。但这是不可取的,因为它需要大量带宽并导致更高的延迟,而且使得“实时”人工智能难以实现。
企业真正想要的是可以在数据产生的地方执行的人工智能,无论是制造工厂、零售商店还是仓库。几家科技公司都在试图解决这个问题,最近的尝试是英特尔公司今天推出的 “冰湖”芯片——这是该公司首款10纳米芯片,此外还有数十家创业公司也瞄准了这个领域。
但是英伟达进入人工智能边缘是值得注意的,因为该公司的图形处理单元被广泛认为是最好的人工智能处理硬件。其中包括用于深度学习的Tesla V100和Quadro GV100,它可以实时进行光线跟踪,即创建逼真图像的过程。
新的英伟达EGX平台可以从基于Jetson Nano处理器的轻型服务器——能够以几瓦的功耗每秒钟处理0.5万亿次操作,扩展到基于边缘服务器NVIDIA T4机架的微型数据中心——可以每秒完成10,000万亿次操作。芯片的节能功能对于人工智能来说非常重要,因为传统的硬件运行此类任务时,耗电量非常巨大。
在媒体简报中,英伟达企业和边缘计算高级主管Justin Boitano表示,对NGX之类的平台的需求将会很大,因为到2025年,世界上将有大约1500亿台机器传感器和“物联网”设备。他表示有很多这样的传感器将被用于“智能城市”等计划,并将生成需要在现场进行处理的数据——这主要是出于更低延迟和实时响应的需求,数据主权法规的要求或对隐私问题的考虑。
Boitano表示: “人工智能确实是所有行业在视觉和言语方面的杀手级应用。”
如果真的想要充分利用这些芯片,合作伙伴关系也很重要。处于这个原因,英伟达正在整合NVIDIA Edge Stack软件,而不是让EGX运行在Red Hat的OpenShift Kubernetes容器编排平台上以实现与现代软件应用程序的兼容。
该平台还集成了Mellanox Technologies股份有限公司的安全、存储和网络技术,英伟达计划在年底前以69亿美元的价格收购Mellanox Technologies股份有限公司。
Mellanox首席技术官Michael Kagan 表示:“Mellanox Smart NIC和交换机为数据访问提供了理想的I / O连接,可从边缘扩展到超大规模数据中心。”
英伟达正在与至少13家不同的服务器制造商合作销售EGX平台,包括思科系统公司、戴尔EMC、惠普企业公司和联想集团控股有限公司等大牌制造商。
NGX还兼容运行在主要云基础架构服务(如Amazon Web Services和Microsoft Azure)上的人工智能应用程序,并且可以连接到物联网服务,例如AWS IoT Greengrass和Azure IoT Edge。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。