作者:MARIA DEUTSCHER
更新时间:美国东部时间2023年10月10日14:07
AMD今天宣布收购初创公司Nod.ai,后者是一家开发加速人工智能模型的开源软件公司,收购的具体财务条款尚未披露。

Nod.ai正式名称为Nod公司,是开源人工智能工具SHARK的开发商。SHARK是一款被称为运行时系统,旨在提高神经网络的推理速度。据Nod.ai称,SHARK的性能明显优于其他针对相同任务的同类开源工具。
人工智能模型等程序不能单独部署,必须与各种辅助软件组件捆绑在一起。程序的许多辅助组件都被打包到一个被称为运行时系统的应用程序中。Nod.ai的SHARK就是一个运行时系统,专门针对神经网络的要求进行了优化。
在去年的一篇博文中,该公司表示SHARK让人工智能模型的运行速度比 PyTorch和Torchscript快三倍多。PyTorch是一种构建神经网络的流行框架。Torchscript是一种辅助技术,用于优化神经网络的推理速度。
Nod.ai表示,SHARK还能提供比XLA更好的性能。后者是一种技术,可用于提高使用TensorFlow(一种流行的 PyTorch 替代技术)创建的人工智能模型的性能。
Nod.ai不仅维护着SHARK,还为许多其他开源项目做出了贡献。这些项目同样旨在加快人工智能应用程序的代码速度。
开发人员使用一种被称为编译器的工具将源代码文件转化为可运行的程序。编译器将代码转换成所谓的中间表示,这是对程序运行方式的一种抽象描述。然后,编译器将这种抽象描述转化为计算机处理器可以运行的指令。
Torch-MLIR是Nod.ai参与的开源项目之一,是专门针对人工智能用例的中间表示法。该公司还参与了IREE项目,这是一种编译器,与Torch-MLIR共享许多技术组件。开发人员可以使用IREE将神经网络的源代码转化为能够在显卡和其他人工智能优化芯片上运行的程序。
AMD正积极努力提高其在人工智能芯片市场的份额。该公司的Epyc中央处理器内置了机器学习优化功能。AMD还销售专门的AI处理器,如最近推出的 MI300X,该产品意在与英伟达市场领先的显卡竞争。
开发人工智能软件的企业不仅需要快速的芯片,还需要在这些芯片上部署神经网络的简单方法。收购Nod.ai可以让AMD更有效地满足这一要求。Nod.ai的SHARK工具可以优化神经网络的性能,而这正是人工智能软件部署中最复杂的任务之一。
AMD人工智能事业部高级副总裁Vamsi Boppana表示:“Nod.ai优秀团队的加入提高了我们开发开源编译器技术的能力,并让整个AMD产品组合都能支持可移植的高性能AI解决方案。”“Nod.ai的技术目前已经广泛部署在云端、边缘和各种终端设备上。”
收购之后,AMD有可能会增强Nod.ai的SHARK工具。例如,这家芯片制造商可能会增加优化功能,以提高在部署在其处理器上的(SHARK驱动的)人工智能模型的性能。
AMD的竞争对手也参与了开源生态系统。例如,英特尔公司就是Linux和Chromium(谷歌Chrome浏览器所基于的开源项目)最大的企业代码贡献者之一。
在市场推广层面,收购Nod.ai可以帮助AMD提高旗下人工智能加速器与英伟达显卡的竞争力。除了芯片之外,英伟达还提供一个名为 Nvidia Enterprise AI的软件平台,可以帮助客户更轻松地优化神经网络的性能。该平台还包括预包装的人工智能模型、科学计算软件和一系列其他工具。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。