英特尔公司正在收购一家名为Granulate Cloud Solutions的初创公司,该公司可利用人工智能技术帮助企业加速应用和降低基础设施成本。
英特尔今天早上宣布了这笔交易,但没有披露财务条款,不过根据TechCrunch援引多个消息来源称,此次的收购价格约为6.5亿美元。
随着时间的推移,支持某个应用所需的数据中心基础设施规模是会发生改变的。例如对于电商应用来说,对基础设施的需求量可能会随着购物者数量的变化而发生变化,而确定需要把多少硬件资源分配给工作负载,以及何时分配,这些很大程度上都是由软件自动执行的。
尽管分配基础设施资源的过程是自动化的,但在某些情况下,这也可能是效率低下的。在数据中心内,经常会出现多个应用同时请求硬件资源的情况。有的时候,一个应用的硬件请求可能会影响其他应用,即使理论上所有这些请求都是可以同时执行的。
总部位于以色列特拉维夫的Granulate公司,开发了一个软件平台,该平台消除了分配硬件资源给应用过程中很多不必要的延迟。因为这种延迟经常发生,所以减少延迟可以显着加快处理速度。根据Granulate称,该平台可以将应用处理某些请求的时间缩短多达40%。
除了改善用户体验之外,加速应用还有其他好处,例如提高工作负载的性能,使其能够用更少的基础设施执行计算任务,其结果就是使用Granulate的平台让企业可以将云基础设施成本降低多达60%。
一年前,Granular与英特尔合作开展了一项计划,旨在利用Granulate的软件平台优化基于英特尔至强处理器的服务器。英特尔表示,收购完成之后,将“迅速扩展Granulate的优化软件,覆盖英特尔整个数据中心产品组合”。
“Granulate尖端的自主优化软件可以应用于生产型工作负载,无需客户更改代码,就可以为每个云和数据中心客户带来优化的硬件和软件价值,”英特尔公司执行副总裁、数据中心和人工智能事业部总经理Sandra Rivera这样表示。
英特尔预计将在该季度完成此次收购,届时Granulate的120名员工将加入英特尔数据中心和人工智能事业群。
此次收购将增强英特尔在人工智能市场的能力,而该市场已经成为英特尔近年来的一大重点。Granulate的平台依靠机器学习算法来提高数据中心基础设施效率,这些算法可以评估数据中心应用访问硬件资源的情况,然后对这些信息进行分析,以找到提高性能的方法。
英特尔对人工智能的投资也在从软件扩展到硬件方面,英特尔的很多处理器(包括一些消费类芯片)都配备了针对机器学习任务进行优化的电路,此外还提供越来越多专为运行AI工作负载而开发的芯片。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。