当AI焦点从大模型转向应用,英伟达的GPU霸权就没那么牢固

当AI焦点从大模型转向应用,英伟达的GPU霸权就没那么牢固

主导生成式AI热潮的英伟达,还能在铁王座上坐多久?知名科技博主Pete Warden近日撰写了一篇题为《为什么英伟达的AI主导权只是暂时的》(Why Nvidia’s AI Supremacy is Only Temporary) 的博客文章,他指出,英伟达的GPU霸权,实际上建立在目前行业主流需求是LLM训练上,如果未来推理变得更加主流,那赢家将从英伟达变成CPU制造商。英伟达为什么能赢?首先,

三星据称与微软合作 开发一款负责内部工作的AI聊天机器人

三星据称与微软合作 开发一款负责内部工作的AI聊天机器人

财联社9月12日讯(编辑 周子意)人工智能(AI)已经开始掀起我们所期待的浪潮,这是可以肯定的。像三星、微软、谷歌这样的大型科技公司正努力保证他们的人工智能进程,确保其设备是由人工智能驱动的。据韩国《电子日报》的最新消息,韩国科技巨头三星电子正在与微软进行“内部生成式人工智能开发”的合作,用于协助三星公司内部的工作。这款工具目前被称为“三星聊天机器人”,主要进行辅助翻译、文档摘要等任务。三星电子将

10人俩月搞出大模型!一年16篇顶会论文加持:市面上做得好的都没开源

10人俩月搞出大模型!一年16篇顶会论文加持:市面上做得好的都没开源

衡宇 发自 凹非寺量子位 | 公众号 QbitAI一家今年5月份成立在深圳的公司,团队至今不到10人。他们要做的却不是小事:挑战AGI。底气在哪?一看过往履历,二看现在赛道的成绩。这几个人近一年中,累计在CVPR、ICML、ECCV等顶会上发表16篇大模型相关论文,其中一篇还拿下了顶会ACL 2023的最佳论文提名。创业后的成绩如何?成立两个月后,所训模型杀入C-Eval榜单前三,中文能力击败Ch

英伟达GH200首次亮相AI性能基准评测,比H100性能提升17%

英伟达GH200首次亮相AI性能基准评测,比H100性能提升17%

划重点:当地时间9月11日,推出不到两个月的英伟达GH200 Grace Hopper超级芯片首次亮相MLPerf行业基准测试。在此次测试中,具有更高的内存带宽和更大的内存容量的GH200与H100 GPU相比,性能高出17%。Grace Hopper与DGX H100 SXM在MLPerf推理数据中心性能结果的比较。来源:英伟达在新闻发布会上,英伟达人工智能总监戴夫·萨尔瓦托(Dave Salv

清华智能体宇宙火了,AI模拟“囚徒困境”等实验只需几行简单配置

清华智能体宇宙火了,AI模拟“囚徒困境”等实验只需几行简单配置

丰色 发自 凹非寺量子位 | 公众号 QbitAI可以轻松模拟社会实验的多智能体宇宙来了——它由清华大学联合北邮、微信团队推出,目前已在GitHub揽获1.1k标星。名字简单粗暴,就叫“AgentVerse”。划重点:这个环境专门针对大语言模型开发,也就是智能体们可以运用LLM的能力完成任务。而只需几行简单配置,你想让智能体们在什么环境出生,就能在什么环境成长。比如“囚徒困境”:狱警向两个嫌疑人a

碾压H100!英伟达GH200超级芯片首秀,性能跃升17%

碾压H100!英伟达GH200超级芯片首秀,性能跃升17%

新智元报道编辑:编辑部【新智元导读】传说中的英伟达GH200在MLPerf 3.1中惊艳亮相,性能直接碾压H100,领先了17%。继4月份加入LLM训练测试后,MLPerf再次迎来重磅更新!刚刚,MLCommons发布了MLPerf v3.1版本更新,并加入了两个全新基准:LLM推理测试MLPerf Inference v3.1,以及存储性能测试MLPerf Storage v0.5。而这,这也是

学者写论文忘删ChatGPT生成按钮,遭计算机科学家在线打假,出版商紧急撤稿!

学者写论文忘删ChatGPT生成按钮,遭计算机科学家在线打假,出版商紧急撤稿!

整理 | 屠敏出品 | CSDN(ID:CSDNnews)全民在日常工作、学习、测试过程中使用 ChatGPT 已经不是什么秘密了,但是光明正大地在学术论文中使用,还把 ChatGPT 的“Regenerate response”按钮标签文字复制到论文中,尚未在方法或致谢一栏提及任何有关 ChatGPT 字眼,最终刊登在正式的期刊上,还是非常罕见的。知名计算机科学家、论文打假人发出质疑事情源于 8

如何构建企业级大模型应用:GitHub Copilot的经验教训

如何构建企业级大模型应用:GitHub Copilot的经验教训

在我们正式向大众推出GitHubCopilot之前,我们花了三年时间进行开发,从构思到实际生产,我们遵循了 “找到它,搞定它,扩展它” 的创业产品开发框架,具体来说,分为以下三个阶段:找到它:为您的LLM应用确定一个有影响力的问题领域;搞定它:创建一个流畅的人工智能产品体验;扩展它:准备您的LLM应用,使其适用于广大用户(GA)。让我们开始吧。01找到它:确定您要解决的问题有时,创建解决