华硕、富士康工业互联网、技嘉科技、云达科技、超微、纬颖等公司将提供用于数字孪生、AI、高性能计算、云图形和游戏的全新数据中心系统
加利福尼亚州圣克拉拉 —— COMPUTEX —— 太平洋时间2022年5月23日 —— NVIDIA于今日宣布,多家领先的计算机制造商将发布首批基于 NVIDIA Grace™ CPU超级芯片和Grace Hopper超级芯片的系统,这些系统将用于数字孪生、AI、HPC、云图形和游戏等各类工作负载。
预计从2023年上半年开始,华硕、富士康工业互联网、技嘉科技、云达科技、超微和纬颖将陆续推出几十款服务器。基于Grace的系统将与x86和其他基于Arm的服务器一同为客户提供广泛的选择空间,助力其数据中心实现高性能和高效率。
NVIDIA超大规模和HPC副总裁Ian Buck表示: “现在有一种新型数据中心正在兴起,即通过处理和挖掘海量数据来实现智能的´AI工厂´。NVIDIA正在与合作伙伴联手打造助推这一转变的系统。基于NVIDIA Grace超级芯片的新系统将为全球新市场和行业注入加速计算的力量。”
即将推出的服务器基于采用Grace CPU超级芯片和Grace Hopper超级芯片的四类全新系统设计。Grace CPU超级芯片和Grace Hopper超级芯片是NVIDIA在最近两场GTC大会上发布的。2U外形设计为原始设计制造商和原始设备制造商提供了蓝图和服务器底板,助力其将适用于NVIDIA CGX™云游戏、NVIDIA OVX™数字孪生、NVIDIA HGX™ AI和HPC平台的系统快速推向市场。
大幅加速现代化工作负载
上述两种NVIDIA Grace超级芯片技术支持多种系统架构中的各类计算密集型工作负载。
广泛的Grace服务器产品组合适用于AI、HPC、数字孪生和云游戏
Grace CPU超级芯片和Grace Hopper超级芯片服务器设计组合包括单路、双路和四路配置的单底板系统,服务器制造商可根据客户需求,为这些系统自定义四种专用于特定工作负载的设计:
NVIDIA正在扩展NVIDIA认证系统™计划,以涵盖采用NVIDIA Grace CPU超级芯片和Grace Hopper超级芯片的服务器以及X86 CPU。预计首批OEM服务器认证将在合作伙伴系统出货后不久完成。
软件支持
Grace服务器产品组合针对NVIDIA丰富的计算软件堆栈进行了优化,包括NVIDIA HPC、NVIDIA AI、Omniverse™和NVIDIA RTX™。
好文章,需要你的鼓励
据《华尔街日报》报道,在马斯克针对OpenAI的诉讼失败后,OpenAI正加速推进IPO计划。CEO萨姆·奥特曼希望公司最快于今年9月上市,目前已与高盛、摩根士丹利合作,并可能在数日或数周内秘密提交上市申请。与此同时,马斯克旗下SpaceX的IPO文件也预计近期公开。两家公司的上市竞争,标志着马斯克与奥特曼的博弈从法庭转移至资本市场。
KAIST团队提出策略助推方法,通过强制分配解题方向引导AI探索多样思路,仅用八份样本就超越了消耗八倍资源的传统方法。
调查显示,51%的专业人士认为AI生成的低质量内容(即"workslop")正在降低生产效率,45%的人因此对职场使用AI更加谨慎。这类内容表面精致却缺乏准确性和实质价值。专家建议两步应对:一是重塑AI生产力思维,推行"AI先行、人工复核"的工作模式;二是保持持续投入,深入掌握AI工具的有效用法。企业领导者强调,真正从AI中受益需要坚持与学习,而非浅尝辄止。
要理解这项研究,先得明白现在的AI是怎么"画"图的。 可以把AI生成图片的过程想象成一个特殊的厨房。当AI要学会画图时,它不会像人类画家那样一笔一画地描绘,而是采用一种叫做"自回归"的方式——简单说就是"一个食材接一个食材地添加"。但问题在于,AI厨房处理的"食材"不是真实的图像像素,而是一种被压缩过的"标准化食材包"。 这个压缩过程,叫做"离散分词",由一个叫"分词器"(tokenizer)的设备完成。打个比方,分词器就像一台高级的食材切片机,它把一整张图片切成很多小块,然后给每一小块贴上一个"编号标签",对应到一本"标签字典"(也就是研究者口中的"码本")里的某个条目。比如,标签001可能代表"蓝天的一小块",标签002代表"绿草的一小块"。 这种做法的好处是大幅简化了AI的工作量——它不用记住几百万个像素,只需要记住一串编号就行了。这就是为什么如今像Chameleon、Emu3这些大名鼎鼎的多模态AI模型都用这种技术。 但问题也恰恰出在这里。当切片机以16倍的压缩率工作时(也就是说原本256个像素被压缩成1个标签),很多细节就被无情地丢弃了。蓝天少一些云彩、草地少几根草尖,人眼几乎看不出来。可一旦切到了文字或人脸,灾难就发生了——一个英文字母"e"和"c"的差别可能就在那么几个像素,一张脸上眉眼的位置稍微挪一挪,整个人就变了样。 研究团队发现,认知科学研究早就指出,人类的视线会不自觉地被文字和人脸吸引,对这两类内容的细节扭曲特别敏感。换句话说,AI画其他东西糊一点没关系,但文字和脸糊了,用户立马就能察觉。 之前的研究者也意识到了这个问题,他们的解决思路通常是"加大切片机的容量"——比如把标签字典从1万6千条扩展到26万条,或者让每张图用更多的标签。但这就像为了切好一根胡萝卜而把整个厨房改造成大型工厂,成本高得离谱,而且效果也不见得好。 清华和微软的团队提出了一个完全不同的思路:与其让切片机变得更大,不如教它学会"看重点"。 二、给切片机装上"火眼金睛"