FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

美国拟封禁中国AI芯片！中国展开反击：补贴190家上市半导体公司投资2793家实体
 go
也并非没有争议。5月，英伟达首席执行官黄仁勋警告称，此类限制可能对美国IT行业造成“巨大损害”，并指出中国可以选择建造自己的AI芯片。再者，这一限制可能是中国振兴本国半导体产业所需的催化剂，多年来中国一直在努力做到这一点。根据中国项目的数据，作为全球最大的半导体消费国，到2020年中国购买全球供应量的53.7%，拥有数千家半导体公司。然而，由于先进半导体对外国供应商和技术的依赖，它一直难以主导该行业。据《南华早报》(SCMP)报道，在美国针对先进芯片制造的制裁不断升级的情况下，中国加大了对国内半导体行业的支持力度，在2022年向190家本地上市半导体公司提供超过121亿元人民币，约17.5亿美元的补贴。值得注意的是，前10名受益人占支出的45%，共收到54.6亿元人民币。其中，中国最大的代工运营商中芯国际(SMIC)是最大的受益者，获得19.5亿元的补贴。其他获得补贴的企业还包括LED芯片制造商三安光电，补贴金额为10.3亿元；陕西芯片封装公司天水华天科技，补贴金额总计4.671亿元。此外，中国于2014年设立国家集成电路产业投资基金，也被称为“大基金”。该基金已投资了约2793家实体，并持有74家公司的少数股权，旨在使中国在全球行业中成为关键参与者。尽管中国在封装和测试(OSAT)方面确实具有优势，到2021年占据全球市场38%的份额，但它在其他领域却难以追赶，特别是在美国的旨在遏制向中国出售先进技术的运动。中国排名前五的半导体公司，即中芯国际、海思半导体、长江存储、紫光展锐和北方华创，说明了中国在该行业取得的不同程度的成功。据中国项目称，中芯国际自2021年以来已经能够制造一些7奈米(nm)芯片，这是一个重大进步。然而，随着美国实施出口管制，中芯国际将在数年内难以大规模生产芯片。同样，中国领先的存储芯片制造商长江存储的Xtacking技术取得了一些初步成功，但由于出口管制而面临着起起落落。 Bezinga评论总结：“虽然中国半导体行业的未来存在不确定性，但美国提出的限制措施可能是刺激中国发展自己的先进半导体技术所需的催化剂。”
小萧2023-06-29
英伟达多位董事本月抛售股票套现近2亿美元
 go
部投资者，仅次于该公司联合创始人CEO黄仁勋。周三提交的文件显示，史蒂文斯在他与妻子共同持有的信托基金中继续持有105万股英伟达股票，在另一个信托基金中持有198万股。他还直接持有129万股股票。
金融界2023-06-22
AI机器人格局正在打开
 go
大风口时刻。 5月16日，英伟达创始人黄仁勋在其ITF World 2023半导体会议抛出“具身智能”概念，让机器人概念狂圈一大波新关注。 5月17日，特斯拉在2023股东大会上，发布了Optimus人形机器人最新演示视频，相比去年10月发布会时被嘲笑被人抬上台展示的铁架子，才8个月过去，Optimus就又有了非常巨大的迭代，走路更加自然和灵活，可以更好执行各种复杂且精细的机械操作任务。马斯克更是直接抛出重磅观点：特斯拉的长期价值将主要来自人形机器人，未来的需求将达100亿台，如果机器人与人的比例为2:1，需求将达到200亿台。目前Optimus机器人还没有到量产阶段，成本还很高。如果按照大规模量产后，即使价格降到2万美元，那么200亿台也就意味着4万亿美元的市场规模。这样的规模，价值恐怕要超过它的汽车产业。如果是其他人这样说，那么他一定会被舆论和砖家喷死，但马斯克放的卫星，即使大家不信，也足够引发对机器人产业的关注。仅特斯拉自家的人形机器人的产值就这么庞大了。其他的对手呢？其他行业和类型的机器人呢？现在，人形机器人要解决的问题还有很多，在感知决策、人机交互、运动控制三大核心能力中，目前通过各种传感器、超前的算力和越来越强大的AI大模型已经很好做到了前面两个能力，但在运动控制能力方面，比如复杂动作、精细操控、灵敏反应、续航等还有很多的难关要突破。人形机器人要迭代到黄仁勋所说的“具身智能”程度，还有非常巨大的差距，不过大概率也只是一个时间问题，现在技术还在飞速猛进，时间会飞快缩短。目前人形机器人的应用场景还很少，只能配合人力做简单的任务，智能化程度也还远不够达到人类的期望。但长期看，如果在运动控制方面得到更多的突破，那么以人形机器人为代表的服务型机器人的商业化场景绝对不能小看。现在很多发达国家，甚至还有我们，都开始要面对人口老龄化社会同时劳动力短缺的发展压力，同时，产业不断内卷升级也越来越依赖机器人才能做到的效率提升。这一切，都是智能机器人的用武之地。目前已经有不少科技巨头的人形机器人的作品亮相，比如在运动控制方面取得超前进展的是波士顿动力公司的机器人，除了在识别感知能力方面表现出色外，已经可以在障碍的动态环境内做出跳跃、俯冲翻滚、空翻、跳舞等一系列高难度全身动作。虽然波士顿公司的技术，并没有直接放在民用，但这足够说明机器人的高难度动作是可以突破的，民用层面缺的只是时间。尾声其实从盘面表现看，今天的市场情绪还是比较微妙的。首先，宏观层面的数据还是很弱，以前一年一度的电商618大促，那叫争相斗艳，热闹非凡，但在今年，各大平台却几乎都安静的让人意外，一个稍微完整像样的捷报都没有，甚至连头条都没有上。电商大促数据能真实反映国民消费的真切趋势，如此表现，说明消费崛起还比较任重道远。所以这两天的餐饮旅游、地产、物流运输这些顺周期板块表现承压，并不让人意外。同时，今天中芯国际午后异常加速跳水下跌，其A股一度跌超7%，引起市场的猜疑和担忧。这些表现，都在反映市场的信心还相当孱弱，见不得风吹草动。在还没有见到更多利好政策或宏观数据扭转的信号之前，市场资金的操作就是不见兔子不撒鹰，即使很多行业白马的相对估值已经看上去很诱人。因为这样的市场环境，也导致了资金更愿意在AI这样高成长高确定性的题材抱团取暖。抱团交易越来越拥挤了，就对着AI+概念按照上中下游产业顺序轮着来。如今机器人会炒到什么程度？拭目以待。来源：金色财经
金色财经2023-06-22
扎克伯格、拉里埃里森、比尔盖茨、黄仁勋4位富豪因AI暴赚10000亿！全球TOP10富豪个人财富暴增近2.9万亿！
go
统计，扎克伯格、拉里埃里森、比尔盖茨、黄仁勋这四位富豪，今年以来因为这波AI热，个人财富就合计增长了1500亿美元，折合人民币超10000亿元。　　其中，Meta股价今年迄今已上涨超过125％，彭博亿万富翁指数显示，这使其创始人扎克伯格的财富增加了约570亿美元。　　甲骨文创始人拉里埃里森的身家在本周早些时候首次超过比尔·盖茨。由于该公司股票上涨了近50％，他的财富在2023年增加了470亿美元。　　由于人工智能的爆火，微软正成为华尔街一众大佬眼中的“香饽饽”，由于持有微软股票，盖茨本人今年的财富增加了240亿美元。　　AI芯片界的龙头公司英伟达股价今年上涨了198％，公司的市值达到1万亿美元，公司创始人黄仁勋的个人财富也激增了240亿美元。　　据统计，除了巴菲特和奢侈品巨头LVMH董事长Bernard Arnault之外，目前彭博富豪榜前十名所属领域均为科技领域，据计算，他们的总财富在2023年增加了4000亿美元以上，折合人民币2.88万亿元。这就是所谓的“穷人通缩，富人通胀”吧……
金融界2023-06-21
机器人概念迎来风口，机器人指数近一周涨幅17%，现象级长坡厚雪大赛道来临！机器人是AI的最强落地方式之一？
go
” NVIDIA公司创始人兼首席执行官黄仁勋表示：下一波人工智能浪潮是“具身人工智能（embodied AI）”，即能够理解、推理并与物理世界互动的智能系统。AI 是我们这一时代最强大的技术力量。第一阶段人工智能将实现全新的软件自动化水平，从而帮助诸多行业提高生产力；其后，人工智能与传感器和执行器相结合，将成为新一代自主机器的核心。终有一天，数十亿台智能机器将用于制造、送货上门服务、仓储物流等领域。风险提示：基金有风险，投资需谨慎。观点仅供参考，不构成任何投资建议。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。
有连云2023-06-21
英伟达的护城河
 go
的AI芯片和相应的软件包时，首席执行官黄仁勋将目光集中在更宏大的机会上，将数据中心作为一种产品。在2024年第一季度的财报电话会议上，CEO 黄仁勋提到：这个问题已经为人所知，并且你们也听过我的谈论，加速计算是一个全栈问题，也是一个全栈挑战。但如果你能够在大量应用领域成功实施，这需要我们15年的时间，几乎所有数据中心的主要应用程序都可以加速，你可以将能耗和成本大幅降低一个数量级。这需要大量资金，因为你必须处理所有的软件和其他方面，并且还需要构建所有的系统等等。但我们已经从事了15年。黄仁勋经常谈到加速计算是一个全栈问题和全栈挑战，但他指的是什么呢？ “栈”基本上是指一组技术，包括硬件组件如GPU和智能网卡，以及软件组件如库和框架，它们共同协作以提供所需的功能。当他说加速计算既是一个全栈问题又是一个全栈挑战时，他指的是它涉及多个技术层面，并且需要在每个层面上提供个别和综合的解决方案。因此，当他说加速计算是一个全栈问题时，他的意思是它需要在计算栈的每个层面上提供解决方案。这不仅仅涉及开发更快的硬件，还涉及优化软件，设计能够最佳地利用不同硬件组件的功耗的编程框架。然后，他同时将其称为全栈挑战，他在此处指的是在整个计算栈的每个层面上高效协同工作以最大化加速计算性能所面临的复杂性。所有这些单独的硬件组件及其相应的软件组件需要被有效地整合在一起，以实现整个数据中心的最佳性能。网络解决方案在整合加速计算栈的各个层面中起着至关重要的作用，实现数据中心基础设施内部各个组件之间的高效数据传输和通信。根据英伟达最新的10-K文件（重点强调）：网络解决方案包括InfiniBand和以太网网络适配器、交换机、相关软件和电缆。这使我们能够构建端到端的数据中心规模计算平台，可以通过高性能网络连接数千个计算节点。虽然在历史上服务器是计算的单位，但随着人工智能和高性能计算工作负载变得非常庞大，跨越数千个计算节点，数据中心已成为新的计算单位，其中网络是一个不可或缺的部分。在生成式人工智能革命中，InfiniBand网络技术（通过2020年的Mellanox收购获得）将以超高需求存在，因为数据中心运营商正在重新设计其数据中心以适应人工智能时代。正如黄仁勋在电话会议中宣布的那样：在网络方面，我们看到云服务提供商和企业客户对生成式人工智能和加速计算的强烈需求，这需要像英伟达的Mellanox网络平台这样的高性能网络。...随着生成式人工智能应用程序的规模和复杂性的增长，高性能网络成为在数据中心规模上提供加速计算以满足训练和推理的巨大需求的关键。我们的400G Quantum-2 InfiniBand平台是专为人工智能的基础设施而设计的黄金标准，在主要云和消费者互联网平台（如Microsoft Azure）得到广泛采用。 ····· InfiniBand在上个季度取得了创纪录的业绩。我们将迎来一个巨大的创纪录年度。而且InfiniBand有一个非常出色的路线图，英伟达的Quantum InfiniBand将会是非常令人难以置信的。但是这两种网络是非常不同的。如果可以这样说，InfiniBand是为人工智能工厂而设计的。 ... InfiniBand和以太网之间的差异可能在整体吞吐量上达到15%至20%。如果你花费5亿美元在基础设施上，而差异为10%至20%，而且是1亿美元，那么InfiniBand基本上是免费的。这就是人们使用它的原因。InfiniBand实际上是免费的。数据中心吞吐量的差异实在是太大，无法忽视。因此，暂时将其AI芯片的优越性放在一边，像InfiniBand这样的网络技术也在维持英伟达的数据中心壁垒方面发挥着重要作用。实际上，英伟达的InfiniBand能够高效地整合数据中心的各个组件，实现快速数据传输和低延迟连接，使数据中心吞吐量（在给定时间内可以在数据中心之间传输或处理的数据量）提高了20%。这一提升远远超过了InfiniBand的成本。这带来了两个优势。首先，英伟达的数据中心解决方案的令人难以置信的成本效益使竞争对手越来越难以渗透英伟达的市场份额。其次，随着InfiniBand在数据中心吞吐量方面的成本效益越来越好，它为英伟达带来了更强的定价能力，因为只要这些解决方案的成本效益可以轻松覆盖，数据中心客户就不介意为此支付更高的价格。深入研究网络领域，英伟达提供了各种网络解决方案来优化数据中心的性能。其中包括智能网络接口卡（SmartNICs），它们可以从CPU中卸载某些与网络相关的任务，释放出处理能力用于其他任务。智能网络接口卡旨在提高网络性能，降低延迟，并增强整体数据中心的效率。这些智能网络接口卡配备了英伟达 Mellanox软件开发工具包（SDK）和Mellanox Messaging Accelerator（MMA）软件。开发人员可以在MMA的基础上构建应用程序，以在数据中心环境中优化和提升其性能。MMA为高效的消息传递和网络通信提供了基础，开发人员可以利用其功能根据特定需求进一步定制和调整其应用程序。网络解决方案还包括网络交换机，它们是将网络流量连接和定向传输到数据中心内的设备、服务器、存储系统和其他组件的中心节点。这些交换机配备了英伟达 Cumulus Linux软件。英伟达 Cumulus Linux是一种专为在开放式网络交换机上运行而设计的网络操作系统。它为开发人员提供了一个灵活可定制的平台，以优化和增强数据中心环境中网络交换机的功能。在其他数据中心硬件解决方案方面，英伟达还提供英伟达 Bluefield数据处理单元（DPUs），它们旨在加速广泛范围的数据处理任务，超越传统的CPU和GPU的能力，包括网络、存储和安全功能。在其最新的年度报告中，英伟达指出（重点强调）：英伟达的Bluefield DPU得到了基于芯片的数据中心基础架构软件（DOCA）的支持，使开发人员能够为BlueField DPU构建软件定义、硬件加速的网络、安全、存储和管理应用程序。支持Bluefield的合作伙伴包括许多顶级安全、存储和网络公司。我们可以在整个计算、网络和存储堆栈上进行优化，提供数据中心规模的计算解决方案。 BlueField DPU及其配套软件增强了英伟达在市场上的综合数据中心解决方案，增强了其竞争力。因此，尽管投资者关注的是针对英伟达 GPU进行优化的成熟的CUDA软件包，但英伟达也从同时发生的其他网络效应中获益，这得益于其他软件（如DOCA和MMA），它们优化了构建数据中心所涉及的其他组件。黄仁勋在电话会议上强调：所以，几乎每个关注人工智能的人都会考虑到那个芯片，加速器芯片，事实上，几乎完全错过了整个关键点。我之前提到过，加速计算涉及到整个堆栈，包括软件和网络，记住，我们早期就宣布了一个名为DOCA的网络堆栈，还有加速库Magnum IO。这两个软件是我们公司的宝贵资产之一。很少有人谈论它，因为很难理解，但它使我们能够连接成千上万的GPU。将所有数据中心组件集成在一起以实现最佳整体性能是英伟达数据中心成功的关键特点。对英伟达领先行业的AI芯片感兴趣的数据中心客户随后也会购买英伟达的其他数据中心解决方案，以通过深度集成获得优化的性能。这就是为什么英伟达可以提出令人瞠目结舌的销售预测，即2023年第二季度销售额达到110亿美元，因为这不仅是对AI芯片的需求，还有对所有其他数据中心解决方案的强劲需求。随着集成的不断深化，英伟达越来越有能力将相邻的数据中心解决方案进行跨销售。对英伟达的看涨情况的风险 AMD也提供了一套全面的数据中心解决方案，并努力迎头赶上英伟达在人工智能领域的竞争。在2023年第一季度，AMD的数据中心收入接近13亿美元，占总收入的24%。相比之下，英伟达在2024年第一季度的最新财报显示，该公司的数据中心收入接近43亿美元，贡献了公司总收入的60%。 AMD最近宣布的AI芯片MI300X并未给出令人期待的性能规格。AMD还未能宣布其新芯片的重大客户合作伙伴关系，这正是证明了英伟达在这个市场上的强势地位。尽管如此，鉴于英伟达朝着更大的"以数据中心为产品"的机遇不断前进，AMD也通过收购Pensando Systems, Inc.（于2022年5月完成收购）加强了自己的数据中心解决方案，该公司专注于网络芯片的生产。 "Pensando的分布式服务平台将通过高性能数据处理单元（DPU）和软件堆栈，为AMD的数据中心产品组合提供扩展。这些产品已经在云计算和企业客户中得到广泛部署，包括高盛、IBM Cloud、微软Azure和甲骨文云等。" AMD确实可以通过积极加强并购策略来迎头赶上英伟达。毕竟，英伟达通过收购Mellanox和Cumulus Networks等公司来构建了自己的数据中心网络解决方案。鉴于英伟达在该领域的主导地位，AMD可能会尝试通过价格竞争来吸引数据中心客户使用其不断扩大的解决方案套件。然而，对于AMD来说，通过价格竞争挑战英伟达的主导地位将是困难的，因为英伟达通过在数据中心基础设施中推动深度集成，已经非常精通数据中心的架构。正是这些复杂的集成优势和由此产生的成本节省，最终支撑起英伟达的数据中心优势，这与黄仁勋长期以来将加速计算视为全栈问题和全栈挑战的方法密切相关。因此，英伟达在应对竞争威胁方面处于强势地位，正如黄仁勋所确认的：我们时刻关注竞争，并且一直面临竞争。但英伟达的核心价值主张是，我们是最低成本的解决方案。我们是最低TCO的解决方案。而这是因为加速计算是我经常谈论的两个问题，它是一个全栈问题，一个全栈挑战，您必须将所有软件、库和算法进行工程化，将它们集成并优化到不仅仅是一颗芯片的架构中，而是整个数据中心的架构，一直到框架、模型的优化。 AMD必然也会努力通过其解决方案套件的深度集成来降低数据中心客户的TCO，但这将是一场艰苦的斗争。尽管如此，AMD对英伟达领域的不断侵入可能会逐渐削弱其定价能力，对英伟达的股价产生影响，而市场已经对其具有强大的定价能力进行了定价。话虽如此，在AMD努力迎头赶上的同时，英伟达肯定不会原地踏步。英伟达将继续全面提升自身解决方案的成本效益和性能，以保持领先地位。除了为其AI芯片提供的CUDA之外，英伟达的关键数据中心解决方案同时产生了多重网络效应，为其产品构建了强大的生态系统，使AMD面临更加艰巨的竞争。总结英伟达的数据中心优势不仅仅体现在其卓越的AI芯片和CUDA软件包上。虽然竞争对手正在努力构建竞争性的AI芯片和相应的软件包，但CEO 黄仁勋将目光聚焦在更大的机遇上，即将数据中心作为一种产品。公司对数据中心组件（如SmartNIC、DPU和网络交换机）的深度整合增强了其竞争力和交叉销售机会。尽管AMD正在扩大其数据中心解决方案，并可能进行价格竞争，但英伟达专注于全栈问题解决和成本效益，使竞争对手难以挑战其主导地位。 $英伟达(NVDA)$ $美国超微公司(AMD)$
老虎证券2023-06-19
游戏革命2023：AIGC拯救游戏厂商
 go
AIGC的行业之一。正如英伟达创始人黄仁勋在演讲中说的，AI为我们带来了巨大的机遇，反应敏捷的企业将利用AI技术提升竞争力，而未能善用AI的企业将面临衰退。游戏行业正处于震荡调整期，对如履薄冰的游戏厂商来说，投身AIGC是新一轮的沉沦，还是触底反弹的重生？AI相关技术工具的使用，能否成为企业和行业重新增长的重要助力？可以看到的是，虽处于AIGC发展的初级阶段，但其对游戏行业的影响已经显现。 AIGC：游戏行业的变革契机随着各种游戏技术的跨界应用越来越多地涌现，游戏将有望突破既有产业范畴，迎来全新的第三次扩容。这个来自腾讯高级副总裁马晓轶的观点，正揭示了如今AIGC为游戏产业带来的想象空间。纵观游戏行业的发展，从单机到网络，PC到智能手机，硬件载体的迭代升级一直是游戏产业规模提升的最强推动力，它让游戏用户数量从数千万增长到数十亿。当下这一轮的AIGC技术变革，区分于前几轮的硬件升级，被马晓轶视为量变之后的质变。游戏技术会越来越广泛地融入游戏之外的更多领域，成为一种更为通用的技术体系。在前沿科技发展历程中，游戏总能及时拥抱和应用最新成果，如今站在AIGC技术爆发的节点，业内无比期待能够带来什么样的变革。要搞清一件事，最好的做法就是先投身其中，乘着AIGC的势头，各游戏厂商纷纷布局，意图抢占第一波红利。有能力的大厂，纷纷发布自家的AIGC工具。腾讯AI Lab发布3D场景自动生成方案，帮助开发者在短时间内打造高拟真、多样化的虚拟城市场景；昆仑万维也发布了昆仑天工大模型；完美世界将基于外部AI技术，开发与旗下游戏产品相适配的AI生产工具，游戏中的智能NPC、场景建模、绘画、剧情、配音等方面，都会有AI的参与。其他厂商，则根据自身需求与外部AI技术合作。游族网络与云从科技共同研究游戏垂直领域的大语言模型（LLM），将通用AI技术针对游戏场景进行优化。抢人大战也早已提上了日程，相关岗位的薪资待遇普遍在30K左右，而涉及到核心项目的AIGC岗位，头部公司能够大方地开出60K的底薪。这样的盛况不难理解，AIGC大家都在用，要想布局产业链上下游，抢占技术高峰，就要确保自己跑得够快。各厂商的躬身入局，也说明了游戏+AI是具备高确定性的行业趋势。其中的逻辑在于，游戏作为内容产业，对内容有着大量、长期的渴求。游戏强调实时体验，用户在游戏过程中，对内容的消耗是连续的实时的，这就对内容生产的效率提出了高要求。科技永远是第一生产力。如今，AIGC所代表的更先进生产工具放在了所有游戏厂商面前，积极引入AI技术，持续深入探索AI技术在游戏研发、发行和运营中的应用，就有望获取更大的市场空间。经历了过往几年寒风阵阵的行业局势，AIGC带来的发展机遇尤为珍贵，在各方抢占先机的竞争节奏下，行业变革只是时间问题。改变生产方式：挖掘更有趣的玩法 AI与游戏结合的最早尝试是脚本和NPC，简单的吃豆人游戏便设置了追随、拦截、预判等行为模式。如今AIGC有助于实现更复杂的效果，大幅提升交互体验，最终能挖掘出何种更有趣的玩法值得期待。这个问题如果让网易来回答，休闲手游《蛋仔派对》一定会被当做典型案例。这款在网易财报中频繁被强调的小爆款，今年一季度登顶中国iOS下载榜，日活玩家超3000万，是网易有史以来日活最高的游戏产品。它的特别之处在于，AIGC对游戏中UGC内容生产的赋能，如同沙盒游戏《我的世界》自由创造一般，用户可以在《蛋仔派对》中通过AIGC技术，轻松创作地图，并有机会被官方正式收录。守护宝藏、逃离追杀、拯救公主，脑洞大开的任务在一周上百万张玩家地图中轮番呈现，这种高度定制化打破了派对游戏玩法单一的枷锁，游戏内容体量成倍增加，玩家参与感、互动性也远超以往。能有如此大的进步，是因为AIGC极大降低了用户生产内容的门槛，并提高了生产效率。以往，玩家即使有个性化创作的热情，也会因创作流程的繁琐、工具使用难度等因素被打消。AIGC则代替玩家完成较为复杂的流程，只需创意就能大量产出。 UGC用户创作模式不断地迭代升级，游戏内容的丰富度、生态的开放度都要远超以往，用户参与度提升，也能体会到前所未有的互动性和可玩性。这个富矿当然不容网易一家来挖。中手游的《仙剑世界》、昆仑万维的《代号D》等游戏都将玩家创作作为重点运营策略，意图分一杯羹。米哈游一直是探索新元素的先锋，其新作《崩坏：星穹铁道》中，内置了自研的AIGC工具模因共振机，能够将玩家上传的图片转化为游戏主角之一三月七。 AIGC在游戏玩法和体验上带来的变化还不止于此，智能NPC对游戏沉浸感的提升也远超以往水平。两年前，腾讯AI Lab 的绝悟团队就开始尝试将AI能力应用于游戏制作、运营及周边生态的全链路。在热门竞技手游《王者荣耀》中，玩家可以与不断进化的绝悟AI进行对抗演练，而AI之间的配合、反应并不亚于真实玩家。网易新推出的《逆水寒》手游打着国内首个游戏版ChatGPT的旗号，标榜万物可交互，智能NPC是其中的关键。不同于以往人工设定好的、流程式的NPC内容，智能NPC和玩家可以自由生成对话，并且基于对话内容给出有逻辑的行为反馈，就如同游戏人物也拥有自我性格与情绪一般。因此，在AIGC生产模式下，面对同一款游戏，不同玩家有望享受到千人千面的内容体验。昆仑万维CEO方汉就对此进行过阐述：剧情、地图、关卡都可以通过AIGC动态生成，玩家可以享受自己独有的专属剧情和人物，NPC也不再是简单规则约束的玩偶，可以对玩家行动做出自己的反应，游戏产品的可玩性将大大提升。以上AIGC对游戏的变革还只是冰山一角，红杉资本在报告中指出，到2030年，游戏中文本、代码、图像、视频、3D都可以通过AIGC生成，并且达到专业开发人员和设计师的水平。或许最终，游戏主创们只需要有创意就够了，借助AIGC的生产能力，为游戏行业的生产方式拓宽铺路。这也能够看出，AIGC是游戏行业创新的引擎，为游戏提供了更多个性化的内容，而大量的游戏数据也为AIGC的迭代进化提供了充足的养分。解放生产力：降本增效下的爆发潜能对于游戏厂商来说，AIGC对降本增效的助益，更具有致命的吸引力。 AIGC作为生产工具，将极大地释放生产力，帮助厂商进行更多的创造性探索，为游戏开发进入黄金时代带来了可能性。论及娱乐及媒体行业，游戏是其中最复杂的形式，构成要素复杂多样，包含文本、图像、动画、音效、音乐、3D 模型、代码等多种类型的资源。很多行业存在一个本、效率、质量的不可能三角，即难以同时兼顾研发成本、研发效率与产品质量，游戏行业亦是如此。面对庞大的工作量及紧张的工期，团队难免有捉襟见肘的时候。 AIGC出现后，能够提升游戏的策划、音频、美术程序等环节的生产力，大幅提升创作效率，帮助压缩游戏整体项目的研发周期与人员规模，降低游戏制作成本。例如，对于开发端，AIGC可以协助开发人员快速完成基础代码，自动完成一些耗时、重复性的工作。对于美术端，AIGC可以实现快速出图、建模，工作人员只需对成品进行修正调优，从而节省了大量时间。这无疑是游戏厂商借势腾飞的契机，久谦中台专家纪要显示，AI可以帮助品类提升3%-5%的次日用户留存率以及5%-10%的日活，而在研发端，AI的引入能够节约40%-70%的人力，节省60%-70%的时间。如此恐怖的提升，没有厂商不心动。今年3月，腾讯推出自研3D虚拟场景自动生成解决方案，能够帮助游戏开发者以更低的成本创造风格多样、贴近现实的虚拟城市，单个3D模型建筑的制作时间，如今只需要17.5分钟。游族网络则表示，今年4月，公司2D美术外包成本已经降低了约25%，预计到年底可以实现更大程度的成本下降。恺英网络在研发中利用的AI工具MidJourney，能够大批量生成场景和人物，可将创作时间从两个月降低到半个小时。而从整个行业的角度来看，另一个积极的结果，是小公司和团队能够通过AI工具的熟练使用，尝试制作更大型的项目与大公司同台竞技。 5月28日，号称AI之王的英伟达宣布将为游戏提供定制化AI模型代工服务，开发者可借此搭建和部署定制化的语音、对话和动画 AI 模型。这下，实力有限的游戏公司不用担心找不到合适的AI工具了。 Unity发布的《2023游戏开发报告》显示，2022年62%的独立游戏和58%的中型工作室立项研发到发行不超过一年的时间。对于人员规模和生产能力有限的小型工作室来说，动辄五年开发耕耘的日子成为过去式了。在AIGC大爆发的时代，这个时间只会被进一步压缩，AIGC与游戏的结合，无疑将爆发出前所未有的潜能。或许在不久之后，将会有令人惊艳的产品出现，整个行业迎来百花齐放的盛况。结语具有科技前景的新兴技术，率先在纯娱乐行业发光发热，听起来或许有一丝尴尬，但不可否认的是，将AI融入工作流程，在游戏行业已不再是空谈。游戏厂商不约而同地拥抱这次技术浪潮，是因为技术跃迁往往是产业变革、格局重塑的前哨。如何充分利用AIGC的潜能，将深深影响游戏厂商对市场的洞察和对产业风向的把握。谁能引领新一代游戏产品的发展走向，谁就能率先站在浪潮之上。没有谁愿意被时代抛弃，当下能做的，就是抓住每一次机遇，奋力争前。来源：金色财经
金色财经2023-06-17
全球AI超算供给平台Source Power正式上线推动全球算力供应向更加高效的方向发展
 go
达所有技术的精华，”——英伟达CEO·黄仁勋当前，算力正在改变科学创新模式，成为社会发展的关键生产力。算力可以分为通用算力、超算算力、智能算力等。其中，通用算力是由基于CPU的芯片组成的服务器所提供的算力。包括常见的数据中心、云服务中心提供的计算。超算算力是由超级计算机所提供的算力，通常采用高性能CPU，有时加上一些专用的硬件处理器、混合的结构。它比较注重的是双浮点通用计算能力，追求精确的数值计算。智能算力主要是由基于GPU为代表的AI智能芯片的加速计算平台所提供的算力，主要用于人工智能的训练和推理。它注重的是半精度或者单精度浮点的多样化的计算能力。为了实现“若干年后，算力也会像今天的电力网络一样，用户可以像用电一样方便的使用算力”这一愿景，Appen Limited公司创立了Source Power。Source Power是一家全球数据中心基础设施供给服务商，业务涵盖了IDC数据中心、数据安全、云计算、DNS&CDN、系统研发等。Source Power超算公链将为客户端、Web3机构、企业级用户提供多中心化超算算力租赁服务，通过区块链链上模型构建以SOLA-G7算力服务器为基石的超算集群，主要构建去中心化数智融合AI算力体系，服务于全球AI企业和数字经济企业。将通过数字资产合规路径面向全球用户开放算力投资，通过Source Power算力投资平台将用户数字资产投资，将用于全球更多地区超算中心的算力采购，通过算力租赁以获得更高的投资回报。同时，让用户更容易的参与到未来最具竞争力的行业，享受算力租赁及基金会高额收益分红。全球AI超算供给平台Source Power 6月14日正式上线！ Source Power通过构建全新的生产关系，创新性解决AI算力供给问题，通过重构全球超算产业链，将算力从巨头主导的封闭体系，打造成一个人人可以参与共建、利益共享的开放体系，让所有人都能享受到科技发展带来的数字红利。Source Power旨在推动全球超算中心合理布局、优化供需、绿色集约和互联互通，从而提升全球AIGC整体算力水平、促进绿色发展、扩大有效数据、推动AIGC生成技术的发展。作为全球首条基于HPOS共识机制打造的超算公链，Source Power为文明与时代加速，专注于打造一条划时代的超算生态体系，同时也是混沌经济体系下的一种新商业尝试，超级算力作为数字经济时代新能源，将为Ai人工智能、智慧互联网、Metaverse等行业提供最先进的生产力。目前，Source Power未来将逐步在北美和欧洲建立超算服务中心，以点带面，辐射全球，计划2年内在全球20个国家搭建超算服务集群，帮助推动人工智能发展新的生产方式和落地应用。未来，算力代表着未来，算力代表着财富。Source Power将链接全球算力，携手每一位用户共享算力时代红利，Source Power，与你们共同创造，一起改变世界的力量！来源：金色财经
金色财经2023-06-15
英伟达，凭什么？
go
t、亚马逊的第五大科技股。　　CEO黄仁勋也成为了所有人目光的焦点，从1993年至今，他一直是英伟达的主要决策者，英伟达能够走到万亿美元的市值，和身为创始人的他离不开关系。　　不过，即使是今天，依旧有人会心生疑问：为什么偏偏是英伟达？　　与英特尔和AMD相比，英伟达年轻了二十多岁，而GPU产品，全部依赖于台积电和三星这样的代工厂，不论是流动资产还是固定资产，都难以和其他半导体巨头相比，为什么偏偏是它拿下了万亿美元这顶桂冠。　　到底是硅谷再创神话，还是华尔街看走了眼？　　关于英伟达如何成功，翻来覆去谈论它的种种决策，但问题的核心不在于英伟达做对了那些事，而是在这之前它如何让错误变得更有意义，这一点对半导体公司来说尤为重要。　　如今，大家都不太喜欢去讨论什么沉没成本，不再去计较那些无法回收的成本支出，所谓成王败寇，成功者所行皆是正确，失败者一文不值，大家只重视结果和当下，仿佛驾驶着一辆没有后视镜也没有刹车的汽车。　　当事人显然不这么想，在英伟达市值即将破万亿的前夕，黄仁勋作为台湾大学的名誉博士，受邀出席台湾大学毕业典礼，在演讲致辞中分享了三个失败的故事，当大家着眼于他的功成名就，谈论他的身家倍增之时，他却想起了自己灰头土脸的过去。　　台南到硅谷　　黄仁勋不是像摩尔或者诺伊斯那样的硅谷传奇人物，当他入行之时，英特尔已经功成名就，微软已经走向飞黄腾达，就连AMD也已是响当当的一家大型半导体企业。　　出生在台南的他，9岁移居美国，初来乍到的他和哥哥在一所肯塔基州的乡村寄宿学校里度过了两年的时光，在接受《今日美国》采访时，黄仁勋回忆称，自己与哥哥正处于淘气的年龄，经常爬房顶钻窗户，偷吃糖果等，跟着教养院那帮孩子，他们学会了所有的脏话。“所有人都抽烟，所以我也抽。” 　　两年的时间，让他学会了独立、适应与坚强，随着父母正式移居俄勒冈州，他转到了正规学校，还和很多同龄的中国孩子一样，迷上了兵乓球，并且他在这一项运动上颇有天赋，他在岁就参与了美国乒乓球锦标赛，15岁那年，更是拿下了美国乒乓球公开赛的双打第三名。　　倘若不是黄仁勋对学术的向往，恐怕他会成为一名职业的乒乓球员，拿下公开赛的好名次后，他选择了挂拍，开始专心于学业，并在16岁时考取了俄勒冈州立大学，而从这里开始，他的个人经历就带上了一缕传奇色彩。　　在俄勒冈州立大学里，黄仁勋选择了电子工程专业，这一点并不难理解，美国半导体产业的革命方兴未艾，这正是当年最炙手可热的专业，而他最终得偿所愿，在1983年毕业后，跑到硅谷，成为了一名AMD芯片工程师。　　而在4年的大学生涯中，黄仁勋收获的不止有知识，还有第一任女友和现任妻子Lori，对她许诺，到30岁时，将会拥有一家属于自己的公司。　　而最有意思的是，他之后跳槽到另一家芯片厂商LSI Logi后，历任工程师、业务部主任、系统集成芯片总负责人等职务，中途还拿下了斯坦福的电子工程硕士学位，最终在1993年开始创业，创办的公司即是英伟达，1993年2月17日，英伟达开始营业，这一天正是黄仁勋的30岁生日，完美兑现了自己在20岁时许下的诺言。　　而黄仁勋为英伟达选择的方向不是别的，就是我们今天熟悉到不行的图形处理器，据Bay Area公司显示芯片业的分析师乔恩（Jon Peddie）回忆说：“当时黄仁勋还专门打电话，咨询关于显示芯片市场与未来的走势，我告诉他，这个市场上还没起步已经乱成一团了，现在已经有将近30家公司，你最好别干这个。” 　　1993年硅谷有哪些变动呢？英特尔刚刚推出了奔腾系列的80586，AMD则是如法炮制了之前的80486处理器，发布了Am486，两个处理器巨头正厮杀得难分难解，而苹果正和IBM全力推动Power PC的发展，CPU的三分天下初具雏形。　　但图形处理器的前景却并不明朗：图形领域的先驱SGI只给一些工作站提供图形加速器；老东家LSI Logi也尚未推出专门的图形处理器芯片；同样是华人创办的ATI还没拿出什么具体产品，在OEM市场中混日子；老牌硬件厂Matrox没有完全投身该行业；掀起3D革命的3Dfx还没成立，市场一片混沌之际，正是创业的好时候。　　黄仁勋最终给公司起名Nvidia，虽然起源于Invidia，即古希腊泰坦神Nemesis的罗马名字，神话中仇恨和嫉妒的化身，但他更多着眼的是这个单词的前两个字母N和V，即next version（下一代），代表了他想要主导未来技术趋势的抱负。　　六个字母加一只绿眼，英伟达开启了一段3D图形的航程。　　两度折戟　　不过，作为愣头青的英伟达并没有获得预期中的成功，它第一个错误就差点要了自己的命。　　首先需要说明的是，1993年时，市场上还没什么3D图形处理的标准，大家走的技术路线都不一样，英伟达的选择是四边形纹理贴图，其成本相对较低，基于这项技术，它在1995年发布了第一款显示芯片产品NV1，集图形处理、声卡及游戏手柄接口等功能于一体，算是市面上比较先进的产品。　　但耗时两年的NV1却迅速遇到了无人问津的尴尬局面，原因很简单，微软在1996年发布了Windows 95的Direct 3D标准，其基于三角形纹理贴图，英伟达的NV1却不能兼容这项即将成为主流的技术，等于自动舍弃了Windows电脑的市场，而且为了追求利润，NV1的定价不菲，销量一路走低。　　此时唯一的好消息是，在 NV1的开发过程中，英伟达的集成方案成功吸引到了对成本有较高要求的游戏主机厂商世嘉，同时争取到了土星下一代主机——Dreamcast的图形处理部分的订单，而且豪爽的世嘉一付就是700万美元的研发资金。　　但英伟达的首席技术官普雷艾姆（Curtis Priem）却对注定失败的四边形纹理贴图有超乎想象的执着，不仅是NV1，在为世嘉研发的NV2上也采用了这套技术，全然不顾即将发布的 Direct 3D标准，最终导致了两家公司的分道扬镳。　　黄仁勋在演讲中坦言，英伟达当时的架构策略已经和3D图形技术趋势南辕北辙，说是大错特错也不过分，除了不能兼容Windows以外，实际游戏表现也很一般，如果要完成合约，必须从头研发一款图形处理器，而不履行合约，那700万美元的资金瞬间就会变成这家30人小公司的债务，此时的英伟达，距离破产只有一步之遥。　　他选择了以实话相告，他向世嘉的CEO 入交昭一郎表示，英伟达的技术开发方向错了，世嘉应该抓紧时间更换合作伙伴，但是公司迫切需要这笔钱，如果没有世嘉的投资，英伟达很快就要倒闭了。　　幸运的是，可能出于日本企业重视名誉的原因，入交昭一郎居然同意了他的请求，没有取消两家公司的合同，而是准备把NV2用于下一代儿童玩具Sega Pico之上，而英伟达暂时摆脱了倒闭的窘境，博得了六个月的宝贵时间。　　为了拯救危机之中的英伟达，黄仁勋也对公司进行了一番大刀阔斧的改革，换上了来自主机游戏厂商水晶动力的首席技术官和技术总管David Kirk（大卫·柯克），由他来带领英伟达的技术开发团队，面向主流标准，攻关高端图形处理器，对标此时已经掀起3D技术革命的3Dfx。　　为了保证产能，黄仁勋还在新品发布的前夕，飞至制造业发达的台湾，利用自己的华人身份与关系，找到了台积电的掌门人张忠谋，和显卡主板等生产商达成合作，为英伟达上了最后一道保险。　　1997年4月， Nvidia第三代产品NV3即Riva 128正式推出，Riva代表“实时交互视频和动画”。虽然在图像质量上还难以比拟当时大热的3dfx Voodoo，但是Riva 128凭借100M/秒的像素填充率和对Open GL的兼容性，迅速赢得了消费者和OEM厂商的青睐，不到一年，Riva 128的出货量就突破100万片。　　英伟达终于活了下来，而黄仁勋那句“我们离倒闭永远只有30天”并不是一句夸张的话，创业初期的英伟达，一直在倒闭的红线上挣扎，关键决策上的失误，差点葬送了这家年轻的公司。　　三方围剿　　1997年之后，英伟达开启了大杀特杀的模式，先后推出了Riva 128 ZX、Riva TNT、Riva TNT2，一套加强组合拳把市面上所有的显示芯片厂打得找不着北，连市场龙头3dfx都节节败退，而在1999年推出的GeForce 256，更是号称世界上第一款GPU，不仅是第一款256位的显示芯片，而且集成了2300万晶体管，每秒最少能处理1000万多边形，开创了个人电脑业即时的图形显示标准。　　1999年8月31日，GeForce 256正式面市，个人电脑的几大巨头，包括戴尔、Gateway、康柏及NEC等都宣布将预装英伟达的GPU，IBM也在次日加盟，而六大显卡生产商也纷纷倒戈，明确表示将加入英伟达阵营。　　乘着个人电脑这股东风的英伟达，要多得意就有多得意。1999年，英伟达在纳斯达克成功上市，IPO价格为每股12美元，随后股价迅速飚升到70美元一股，销售额达到1997年的440％，员工增加到270人，成为了报纸上轮番报道的硅谷新秀。　　在显示芯片顺风顺水的黄仁勋还提出一个“黄氏定律”，即“英伟达的核心战略就是产品将每6个月升级一次，功能翻一番。”这比1965年提出的摩尔定律还要快三倍。　　而黄仁勋和英伟达的目光也没有局限于PC显卡这一隅，之前和世嘉的合作虽然最终流产，但却向另一个世嘉合作伙伴展示出自己的潜力，这位合作伙伴不是别人，正是曾为世嘉Dreamcast提供Windows CE系统的微软。　　另外，英伟达的GPU开始畅销之际，其还参与到了DirectX标准的制定当中，虽然NV1和NV2没有用上微软的标准，但在NV3之后，可以说英伟达为这项标准立下了汗马功劳，倘若没有它，可能微软还需要花费更多时间去普及这项标准。　　而在这两个主要因素的推动下，英伟达成功拿到了自创办以来的最大订单——微软全新游戏主机Xbox的显示芯片。2000年3月，微软宣布，即将进军游戏主机市场，将与任天堂和索尼展开直接竞争，而初代主机Xbox将搭载来自英伟达的GPU。　　该消息一经公布，英伟达的股价就坐上了云霄飞车，要知道游戏主机不同于PC市场，一款畅销的游戏主机，如任天堂的N64和索尼的PlayStation，动辄就是上千万的销量，而单独的某款显示芯片，撑死了也就两三百万销量，而微软身为全球最大的科技公司，做主机还不是手到擒来？时人议论纷纷，英伟达这下是真的要发达了。　　豪爽的微软，为了让英伟达全力以赴开发Xbox的GPU，直接支付了2亿美元定金，两者间总合同金额达到了5亿美元，而彼时英伟达的全年销售额也不过5亿美元，后续微软又把Xbox的媒体传送处理器（MCP）交给了英伟达研发，算是半包养了这位小弟。　　2001年11月15日，微软Xbox率先在美国发售，其CPU用的是英特尔的奔腾3，而GPU呢，是英伟达专门为其定制的X-Chip，甚至连系统都是Windows 2000的精简版本，可以说Xbox就是一台配置不低的x86电脑。　　而为了快速打入主机市场，微软最终把Xbox的北美价格定在了299美元，这个价格是什么概念呢，英伟达在2001年2月推出的卡皇GeForce 3起售价是329美元，而定制的X-Chip相当于改良版的GeForce 3，也就是说，消费者可以用一张显卡的价格，购买到一台配置齐全的高配PC，甚至还能支持刚推出不久的杜比5.1。　　有分析师估算过，微软在Xbox初期，每卖出一台，物料成本上可能就要亏损125美元，这样的玩法，即使是家大业大的微软，烧了一段时间的钱之后也吃不消了，而Xbox主机零部件里成本最高的，就是GPU和MCP，其价格甚至超过了英特尔的奔腾3，想要节省成本，就绕不开英伟达。　　2002年4月，微软正式向英伟达提出，希望调低GPU的供货价格，结果遭到被老黄一口回绝，两家在价格上的矛盾迅速暴发，最终诉诸于仲裁。而当时的Xbox芯片占到英伟达业务的15％~20％，两家闹掰了的消息传出后，英伟达股价很快就迎来了雪崩。　　微软是觉得英伟达靠着自己的DirectX标准大赚特赚，这回还预先支付了2亿美元，现在游戏机业务开展困难，你个小弟应该识相点稍微降低点价格，而英伟达却觉得自己给Xbox生产芯片，已经导致利润率不断下滑了，还压价那就是欺人太盛，直接给你搞断供信不信？　　两家剑拔弩张的局面持续到了2003年，此时不仅是微软不再把英伟达当成是紧密合作伙伴，掐死了让它再度设计下一代主机Xbox 360的想法，连英特尔都注意到了这个成长较快的显示芯片厂商，开始自己着手研发图形处理器，同时两个巨头开始大力扶持英伟达当时的最大对手——同为显卡制造商的ATI，这三家厂商展开了一场针对英伟达的围剿。　　对于英伟达来讲真可谓是屋漏偏逢连夜雨，股价从2002年初的70美元下滑到7美元，市值也从110亿美元缩水到10亿美元，而对黄仁勋来说更是惨痛，前一年他刚入选了美国《财富》杂志的《40岁以下的40位富翁》，以5.07亿美元的身家排在第12位，后一年他的个人财富就缩水10倍，本来还是个亿万富翁，一番动荡后又变回了千万富翁。　　在年底接受《连线》杂志采访时，他又一次认了怂，“英伟达犯了严重的错误，不过，如果说所有的伟大公司有什么共同点，那就是能够意识到自己犯了错误。” 　　卧薪尝胆　　在面对围剿时，英伟达只能无奈向微软低头，它在2003年2月与微软正式达成和解，并在随后达成一项合作，利用微软MCE媒体播放器软件捆绑售卖英伟达图形芯片，2003年的Xbox开始走向热销，GPU生产成本也逐渐下降，终于让英伟达的日子稍微好过了一些。　　为了挽回失去Xbox 360订单的损失，英伟达还在2002年底和索尼达成了合作，为下一代游戏主机PlayStation3提供显示芯片，以此来反击老对手ATI争取到微软和任天堂两家新一代游戏主机的订单，也算是缓过来一口气。　　同时英伟达对英特尔释放出了自己的诚意，2003年底，有消息称英伟达正准备让Nforce芯片组准兼容英特尔的奔4 Prescott，而在2004年1月的CES技术展上，英伟达更是首次展示了采用PCIE的显示芯片组，并在随后全面支持英特尔PCIE标准，该年11月，英伟达和英特尔正式达成相互授权协议，交换专利与芯片授权，两家针锋相对的公司得以和解。　　当然英伟达深知打铁尚需自身硬这个道理，2004年开始，黄仁勋总结了在产品开发方面的经验教训，为了更快在技术上突破，英伟达将每款新产品的设计小组调整到三四十人，而且来自不同学科，甚至还有意安排不同公司出身的工程师配组，以求灵感碰撞。　　这样的调整很快见效。2004年4月，在半年一度的产品更新发布会上，英伟达正式推出GeForce 6800系列，晶体集成数达到2.2亿，性能超上一代两倍以上，轻松压过了ATI的9800系列一头，在消费电子市场中迅速占据上风。　　而此时它的最大对手ATI却爆出了即将被AMD收购的消息，听到这个消息的黄仁勋当即表示，这对英伟达来说是个好消息，简直就是天上掉馅饼。　　“ATI 这是打算认输了，让我们成为世界上唯一一家独立的图形芯片公司吧！”他说道。　　至于他内心的真实想法，可能更多是五味杂陈吧，有AMD离职员工爆料称，AMD最初不是没有考虑过市场优势更明显的英伟达，不过黄仁勋坚持由自己担任合并后公司的CEO，最终AMD退而求其次，选择了英伟达的对手ATI。　　当然他的乐观也来得太早了一些，在AMD整合完ATI之后，发动过数次反攻，在2010年至2012年这段时间里甚至短暂超越英伟达成为市场龙头，这场GPU之争可谓是难分难解。　　改变一切的契机出现在2007年，这一年，英伟达在美国加州圣克拉拉市举办了第一届CUDA（Compute Unified Device Architecture）技术大会，这是一种并行计算平台和编程模型，能够让开发人员使用C语言，C ++，Fortran等编程语言来编写GPU加速的应用程序。　　CUDA初期的开发并不顺利，毕竟一个模型的建立，需要庞大的开发者基础，为了解决这个先有鸡还是先有蛋的问题，英伟达最终选择使用游戏GPU，也就是GeForce 来建立硬件基础，利用数量充足的游戏玩家市场来推动CUDA的发展。　　但CUDA 也需要更多的成本支撑，甚至造成了英伟达发展过程中的第三次危机，在翻阅英伟达财报后我们可以发现，2008年之后英伟达的净利和毛利都大幅走低，甚至出现了亏损，而当时英伟达的市值也仅略高于10亿美元。连股东都怀疑起了CUDA的正确性。　　好在英伟达此时的游戏GPU业务发展的还算可以，搭载英伟达GPU的PS3在降价后也开始走向热销，二者为英伟达研发CUDA提供了一条宝贵的输血通道，让它撑过了这段困难时期，同时开始办GTC大会，向全球推广CUDA这项技术。　　真正的转机出现2012 年，AI研究者发现了CUDA，他们发现，基于CUDA架构的大规模并行运算芯片Tesla，在人工智能、深度神经网络技术上有着天然的契合性，大大降低了训练神经网络等高算力模型的难度，此时提供算力基础设施的英伟达在多年的苦熬之后，终于迎来了胜利的曙光。　　10年后的今天，英伟达已经和AI画上了等号，凡是谈及AI开发，就注定绕不开英伟达这家芯片公司，它已然是AI发展的最大动力引擎。　　当然，英伟达的押宝不止有CUDA。　　2012年之前，寻求新增长点的英伟达，瞄准了新兴的智能手机市场，推出Tegra系列移动芯片，首款产品就是微软在2009 年 9 月推出的Zune HD媒体播放器，当时的市场中已有高通、联发科、德州仪器等对手，而英伟达的想法很简单：Arm的公版CPU架构加上自己的高性能GPU，只要人们对手机游戏有需求，Tegra就能在高端市场中占据一席之地。　　从早期的Tegra APX 2500，到闯出名气的Tegra 3，英伟达一度在智能手机市场里拿下了不小的份额，但问题也随之而来，英伟达没有自己的基带，需要额外向其他厂商购买，而自研的移动GPU看似性能强大，但功耗发热同样不小，搭载了Tegra芯片的终端产品口碑世纪表现并不算好。　　没过几年，Tegra芯片的客户就从几十家缩水到了个位数，到了2015年的Tegra X1时，除了任天堂的Switch游戏机、谷歌Pixel C平板和英伟达的Shield TV外，已经没有其他厂商愿意再搭载英伟达的移动芯片了。　　这也是英伟达又一次的惨败，好在Tegra系列产品不止适合手机这样的移动产品，早期还被特斯拉Model S等汽车当作车机的主控芯片所搭载，英伟达眼看着移动市场没闯出名堂，干脆就把Tegra彻底改造为车机和自动驾驶芯片，属于一次还算体面的战略转移。　　当然，英伟达从未放弃过对移动市场这块大蛋糕的渴望，要不然就不会在2020 年 9 月去宣布收购Arm了，今年，英伟达还和联发科达成合作，在联发科的旗舰 SoC 上整合英伟达的 GPU，想要再一次证明在移动市场中证明自己的实力。　　AI、汽车和移动，或许就是往后十年英伟达故事的新篇章了。　　衣绣夜行　　放眼硅谷几十家大型半导体公司，作为英伟达CEO的黄仁勋，也是其中最高调最亲民的一位了。　　他几乎没有缺席过英伟达的产品发布会，总是身着一身黑色皮衣，时常有惊人言论发布，而敢说敢做是他一贯以来的风格，和同事打赌英伟达股价超100美元，就去纹一个英伟达的Logo在身上，他还表示纹身时因为太疼，“叫的像个小孩一样”。　　去年年底英伟达市值节节攀升之际，黄仁勋却现身中国台湾，穿着熟悉的黑色皮衣，入镜了两位年轻歌手的街头直播间，一脸好奇的他还点播了一首 Lady Gaga 的歌曲。　　他在给台大毕业生的演讲中，总结了三个错误所带来的经验教训，分别是创业初期的面对错误，勇于求助，坚持CUDA的为了实现愿景必然要忍受痛苦，以及放弃移动市场的有策略的撤退，决定什么不去做。　　这三句谏言可谓贯穿了英伟达30年历史的始终，因而在今天谈论英伟达的成功，就注定绕不开此前的种种失败挫折，与其他半导体公司不同的是，英伟达像是把这部分错误当成了男子汉身上的伤疤，从不羞于提起，黄仁勋也说，自己经历了好几次非常大的失败，那些历程充满羞辱和尴尬，但正是这些失败，定义了今天的英伟达。　　没有NV1和NV2的失败，或许英伟达就不会懂得遵循更先进标准的重要性；没有Xbox、英特尔和ATI的围剿，或许英伟达今天还梗着脖子与全世界为敌，没有CUDA和移动市场的战略决策，或许英伟达就无法在自动驾驶与AI领域有所建树…… 　　错误是支撑英伟达的骨，而其中的魂呢，自然就是CEO黄仁勋了，他之于英伟达，就像是诺伊斯之于英特尔，桑德斯之于AMD，从诞生至今，他早已在这家公司身上打上了深深的个人烙印。　　黄仁勋对毕业生最后的寄语是，跑起来掠食，或是努力奔跑免得成为掠食者的食物，一句话揭露了半导体行业残酷竞争的本质，如果不能成为掠食者，那么就会变成食物，在30多家图形芯片企业中胜出的他，对此深有体会。　　而英伟达能最终站上食物链的顶端，除了前面所说，针对错误的快速调整外，还有就是这句话包含的意义了，从未停止奔跑，就像电影《阿甘正传》不断奔跑的阿甘一样，停下脚步就会被后来人超越，只有前行才能不断抓住新的机会。　　让大家颇感意外的是，英伟达飙升至万亿市值的前夕，黄仁勋却跑到了台北夜市，拎着一袋麻花到处闲逛，此时的他或许会想到项羽的那句感叹：富贵不归故乡，如衣绣夜行，谁知之者。
金融界2023-06-12
没有AI的Web3没有灵魂 ZKML如何重塑AI与区块链的关系
 go
了3 个比特币的总市值。英伟达CEO黄仁勋在发布财报时提到了有关AI应用的广阔前景，称计算机行业正在同时经历两个转变——加速计算和生成式AI，企业竞相将生成式AI应用到各个产品、服务和业务流程中，全球万亿美元规模的已安装数据中心将从通用计算转变到加速计算。当前，几乎所有头部美元基金与机构都紧盯着AIGC赛道，通过积极建立选投坐标快速构建筛选体系，唯恐错过了通往时代的列车。相关数据显示, 2023 年一季度全球AIGC行业融资总额达38.11 亿元，融资次数共计17 次。一个风口的兴起往往代表着另一风口的衰落。人们逐渐对WEB3提出各种各样的质疑：“资本都去看AI了，Web3监管收严、叙事不行了”，“AI比Web3看起来靠谱，也更容易出独角兽。” 自人类历史的黎明以来，集体故事一直在定义我们的文化，并丰富我们对世界的理解，叙事的重要性不言而喻。如今，人工智能的叙事正逐渐深入人心，甚至渗透到了Web3领域。有业内人士开始提出“没有AI的Web3是没有灵魂的”，有超过半数的Web3公司已经开始转向AI。那么，AI+Web3将如何融合？近期，源自零知识证明和机器学习的新兴结合体ZKML叙事走热，它将如何协同人工智能和Web3，建立一个可信任的、去中心化的未来？一、AI需要Web3，反之亦然 CoinDesk的首席内容官迈克尔-凯西(Michael Casey)说：“将加密货币和人工智能视为不相关的技术是一个错误。它们是相辅相成的，彼此都在改进对方。” Web3、加密货币和区块链解决了自互联网开始以来一直存在的社会挑战，即在去中心化的环境中如何保持有价值的信息安全。它们通过采用分布式记录和激励机制的新系统来处理人类对信息的信任问题。这些系统帮助由不信任的陌生人组成的社区集体维护开放的数据记录，使他们能够在没有中间人的情况下分发和分享有价值或敏感的信息。当前，我们正迅速迈向全面人工智能时代，而这一时代所带来的挑战是十分艰巨的。这些挑战涵盖了多个方面，从保护大型语言模型（LLMs）输入的版权，到避免其输出中出现错误的偏见，再到我们目前无法准确区分真实内容和由人工智能创造的虚假信息所带来的“说谎者红利”。要确保人类不受人工智能的负面影响，没有简单的解决方法可言。任何解决方案都不能依赖于过时的20 世纪监管和技术框架来解决这些问题。我们迫切需要一个去中心化的治理系统，以应对在这个新时代如何生产、验证和分享信息的挑战。无论目前的Web3是否能提供所需的解决方案，区块链技术确实在解决这些问题方面发挥了一定的作用。不可篡改的账本使我们能够追踪图像和其他内容的来源，从而防止深度伪造。这种技术也可以用于验证机器学习人工智能产品数据集的完整性。加密货币提供了一种无边界的数字支付方式，可用于向全球为人工智能培训做出贡献的人们提供报酬，如Bittensor等项目正在努力建立代币化的区块链-政府社区，以激励人工智能开发者构建对人类友好的模型。与此相反，私营公司拥有的人工智能系统通常将股东利益置于用户权益之上。在这些想法能够实现并规模化之前，我们还有很长的路要走。我们将需要整合一系列其他技术，例如零知识证明（ZK）、同态加密、安全计算、数字身份和去中心化凭证（DID）、物联网等。此外，我们还需要解决隐私保护、惩罚不良行为、鼓励以人为本的创新智能以及多方立法监管等诸多挑战。二、ZKML如何架起AI和区块链的桥梁近期，源自零知识证明和机器学习的新兴结合体ZKML被广泛讨论。目前，机器学习（ML）的部署变得越来越复杂。很多企业主要依赖于亚马逊、谷歌、微软等服务提供商来部署复杂的机器学习模型。然而，这些服务变得越来越难以审计和理解。作为AI服务的消费者，我们如何相信这些模型所提供预测的有效性呢？ ZKML作为人工智能和区块链之间的桥梁，解决了AI模型和输入的隐私保护问题，同时确保了推理过程的可验证性。它提供了一种解决方案，使得可以在验证私有数据时使用公共模型，或在验证私有模型时使用公共数据。通过添加机器学习功能，智能合约能够变得更加自主和动态，使其能够根据实时链上数据而不是静态规则进行处理。这样一来，智能合约将更具灵活性，能够适应更多场景，甚至是那些在最初创建合约时可能没有预料到的场景。当前，机器学习算法在区块链上广泛采用的困难之一是其高昂的计算成本。由于百万级别的浮点运算无法直接在以太坊虚拟机（EVM）上执行，因此在链上运行这些模型成为一个挑战。另外，机器学习模型的信任问题也是一个障碍，因为模型的参数和输入数据集通常是私有的，而模型的算法和运行过程又如同一个不透明的“黑匣子”，这可能引发模型拥有者和模型使用者之间的信任问题。然而，通过ZKML技术，我们可以克服这些问题。ZKML允许任何人在链下运行一个模型，并生成一个简洁且可验证的证明，证明该模型确实产生了特定的结果。这个证明可以在链上发布，并由智能合约进行验证。这意味着模型使用者可以验证模型的结果，而无需了解模型的具体参数和运行细节，从而解决了信任问题。通过上述图表，我们可以看到ZKML技术兼具计算完整性、启发式优化和隐私保护等特点。这种技术在Web3领域有着广泛的应用前景，并且正在快速发展。越来越多的团队和个人加入了这个领域，推动着各种潜力巨大的ZKML项目的开发。三、ZKML项目分析以下是一些潜力ZKML项目。 1 、Worldcoin Worldcoin正在应用ZKML，试图建立一个保护隐私的人格证明协议。World ID 用户将能够在他们的移动设备的加密存储中自我保管其生物特征（如虹膜），下载用于生成 IrisCode 的 ML 模型并在本地创建零知识证明，接收的智能合约可以证明其 IrisCode 已成功创建。然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全enclave的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用ZKP来证明神经网络对加密级别安全保障的正确推理，并且保证ML模型的输出不会泄露用户的个人数据。 2 、Modulus Labs Modulus Labs是ZKML领域中最多样化的项目之一，致力于相关研究的同时也在积极构建链上AI应用范例，Modulus Labs通过RockyBot（链上交易机器人）和Leela vs. the World（一种国际象棋游戏，所有人与经验证的Leela国际象棋引擎实例对决）展示了zkML的用例。该团队还涉足研究领域，撰写了The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。 3 、Giza Giza是一种可以以一种完全无需信任的方法在链上部署AI模型的协议。它使用的技术栈包括用于机器学习模型的ONNX格式，用于将这些模型转换为Cairo程序格式的Giza Transpiler，用于以可验证和确定性的方式执行模型的ONNX Cairo Runtime，以及用于部署和执行链上模型的Giza Model智能合约。Giza总体上属于机器学习模型到证明的链上编译器，为链上AI的发展提供一个替代路径。 4 、Zkaptcha Zkaptcha 专注于 Web3 中的机器人问题，为智能合约提供captcha（验证码）服务，保护智能合约免受机器人攻击，使用零知识证明来创建抗女巫攻击的智能合约。目前，该项目使终端用户通过完成captcha验证码来产生一个人类工作的证明，captcha由链上验证者验证，并通过几行代码由智能合约访问。未来，Zkaptcha 将继承 zkML，推出类似于现有的 Web 2 验证码服务，甚至可以分析鼠标运动等行为，以确定用户是否为真人。目前看来，zkML赛道还处于初级阶段，但我们有理由相信会 zkML 的力量可以给 crypto 带来更好的前景和发展，也期待该领域能出现更多样的产品，zk 技术和 crypto 为 ML 的运行提供安全可信的环境，而未来除了产品的创新之外，还可能会催生 crypto 商业模式的创新，因为在这个狂野和无政府的 Web 3 世界中，去中心化、crypto 技术和信任才是最最基础的设施。结语在日益复杂和不确定的数字世界中建立信任，一直是人工智能和Web3所面临的核心挑战。然而，将人工智能与Web3相融合却为建立一个信任、安全的去中心化未来带来了巨大希望。对于开发者、技术专家、政策制定者和整个社会而言，共同塑造人工智能和Web3的未来至关重要，我们或许可以创造出一个超乎想象的智能互联网时代。 Reference https://worldcoin.org/blog/engineering/intro-to-zkml#motivation-and-current-efforts-in-zkml https://github.com/worldcoin/awesome-zkml https://www.coindesk.com/consensus-magazine/2023/05/19/why-web3-and-the-ai-internet-belong-together/ 版权声明：如需转载欢迎加小助理微信沟通，未经允许转载、洗稿、我方将保留追究法律责任的权利。免责声明：市场有风险，投资需谨慎。请读者在考虑本文中的任何意见、观点或结论时严格遵守所在地法律法规，以上内容不构成任何投资建议。来源：金色财经
金色财经2023-06-11

上一页
1
•••
81
82
83
84
85
•••
96
下一页

24小时热点

最新话题更多