英特尔今天宣布,将收购Andreessen Horowitz投资的人工智能初创公司SigOpt,交易金额未对外公开。


SigOpt公司位于美国旧金山,开发的软件平台主要被私有公司和OpenAI等研究组织使用,用于提高AI模型的性能,而这主要是通过一种超参数优化的方法做到的。
超参数是开发人员定义的一种设置,可影响AI处理数据的方式,其中包括模型中人工神经元的数量以及这些神经元彼此交互的方式。超参数优化是SigOpt的专长,这个过程中各种设置通过优化最大限度提升性能。
以前这个过程是很耗费时间的,因为对于大型AI来说可能涉及到为数众多的潜在设置组合,而查找最佳配置的传统方法通常是以半随机的方式搜索寻找超参数的。SigOpt表示,他们的平台采用贝叶斯优化统计方法更快地执行这个过程。
SigOpt的平台让开发人员可以指定他们希望改善的AI属性(例如准确性),然后创建一个“优化循环”以对其进行自动微调,在复杂的项目中,可以一次微调多个属性。SigOpt表示,该平台可以与很多不同种类的AI配合使用,包括机器学习模型和更复杂的深度学习模型。
英特尔有了SigOpt的性能优化功能,就可以帮忙那些在英特尔芯片上运行AI模型的企业客户实现更高的处理速度。英特尔表示,交易完成后SigOpt的技术将“跨英特尔AI硬件产品”进行集成。
去年根据财报显示,英特尔AI驱动的业务收入超过38亿美元,而且越来越受到重视。英特尔目前正准备在20年内推出Xe系列的第一条GPU产品线,其中包括针对企业优化的AI优化芯片。去年英特尔还斥资20亿美元收购了机器学习处理器初创公司Habana Labs。
英特尔的AI投资也使其创造除了CPU之外新收入来源的战略组成部分。去年年底的一次投资者活动中,英特尔首席执行官Bob Swan称,英特尔的目标是在“全芯片”市场中占据30%的市场份额,而提出这个愿景的时候,竞争对手AMD正在向英特尔核心CPU业务施加的更大压力。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。