据彭博社报道,慧与同埃隆.马斯克的X社交媒体平台签订了一份价值10亿美元的人工智能服务器合约。
彭博社援引了消息人士的说法,报道称这笔巨额交易是去年达成的,但由于该交易属于私下交易,消息人士要求匿名。
慧与公司拒绝发表评论。
我们无法联系到X公司置评。
X公司这份价值不菲的合同是对慧与人工智能服务器业务的信任投票,该业务在最近一个季度增长了16%,达到15亿美元。
慧与公司的股价在盘后交易中上涨25美分(1%),至22.33美元。该公司股价的52周最高点为24.24美元。
Advizex是一家Fulcrum IT Partners公司,而且是领先的慧与人工智能供应商。该公司首席执行官C.R. Howdyshell称这个重大的胜利对慧与的人工智能业务和慧与的人工智能合作伙伴来说是一笔“改变行业的交易”。
Howdyshell表示:“我相信,要赢得埃隆.马斯克和X这样的订单是非常有挑战性的。”“这样的交易很难达成。这恰恰增加了我们作为慧与合作伙伴提供人工智能解决方案的机会。”
尽管与X的交易看起来是一个“千载难逢的机会”,但Howdyshell表示,他认为2025年还会有更多大手笔的人工智能交易。他表示:“我们的 OEM合作伙伴告诉我们,他们认为人工智能业务的三年 TAM(可寻址市场总额)将达到 1 万亿美元。”
Advizex去年与比特币矿机和下一代基础设施平台提供商Hut 8完成了一笔价值4000万美元的交易,亲身体验了慧与-英伟达产品组合的强大功能。这笔交易涉及125 HPE Cray XD670超级计算机节点,配备了1000块英伟达的H100 GPU。
Howdyshell表示,他对慧与和英伟达的合作以及Advizex未来的机遇充满信心。事实上,Advizex和Fulcrum团队(包括作为Fulcrum产品组合一部分的人工智能先驱Razor)本周与英伟达举行了为期两天的销售和技术说明会。他表示:“与英伟达携手合作对我们的业务是一个巨大的推动。”“我们致力于大力拓展与英伟达的合作关系,从GPU到网络、软件和服务。”
事实上,Howdyshell表示,他预计Advizex今年多达三分之一的收入可能来自人工智能业务。他表示:“这是我们2025年机遇和增长的头号重点领域,”“这不仅仅关乎GPU。还涉及网络、软件和服务。”
Razor团队是Advizex进入市场的关键,该团队拥有深厚的垂直市场人工智能专业知识。他说:“Razor与英伟达携手合作,与我们共同推动这一人工智能机遇。”
Advizex正在将可扩展的Razor AI解决方案带入其所有顶级垂直市场,包括制造、医疗保健、零售、金融和SLED。
Advizex在人工智能渠道战中的另一大优势是其对机会的敏锐业务聚焦,这得益于Advizex副总裁兼总经理Steve Kucker领导的全新高性能计算和人工智能业务部门的成立。
他表示:“我们有重点、有人才、有资源,我们可以讲故事,在OEM的帮助下,我们非常有信心,我们的人工智能解决方案业务将取得令人难以置信的成功。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。