/
走进芯时代：AI算力GPU芯片分析
尽管AI芯片种类繁多，GPU因其适应性和强大的并行计算能力，仍是AI模型训练的主流硬件。英伟达在GPU领域的技术积累和生态建设使其处于领先地位，而国内GPU厂商虽在追赶，但仍存在差距。AI应用向云、边、端全维度发展，模型小型化技术成熟，数据传输需求增加，Chiplet技术降低设计复杂度和成本。
0赞好文章，需要你的鼓励
推荐文章
OpenAI CEO阿尔特曼承认当前处于AI泡沫期
OpenAI首席执行官Sam Altman表示，鉴于投资者的AI炒作和大量资本支出，我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋，但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户，是全球第五大网站。由于服务器容量不足，OpenAI无法发布已开发的更好模型，计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴突破AI说话人视频生成技术壁垒：首次实现动作自然度、唇同步准确性和视觉质量的完美平衡
阿里巴巴团队提出FantasyTalking2，通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集，训练三个专业模块分别优化不同维度，再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术，用户评价提升超12%。
英伟达发布全新小型开源模型Nemotron-Nano-9B-v2，支持推理开关控制
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2，拥有90亿参数，在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构，支持多语言处理和代码生成，可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程，并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练，采用企业友好的开源许可协议，支持商业化使用。
UC Berkeley团队突破AI内存瓶颈：让大模型推理快7倍的神奇方法
UC Berkeley团队提出XQUANT技术，通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7，升级版XQUANT-CL更可实现12.5倍节省，同时几乎不影响模型性能。研究针对现代AI模型特点进行优化，为在有限硬件资源下运行更强大AI模型提供了新思路。
2024
03/18
19:04
分享
点赞
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
