FX168财经网_全球视野外汇黄金加密货币NFT资讯网

重要里程牌！一只股干翻一大股指：苹果市值连续两周超过罗素2000指数

、Alphabet Inc.和英伟达(Nvidia Corp.)等几只大型科技股。 MarketWatch上周发布的一份报告显示，标普500指数中排名前十的个股在该指数中所占权重为29%，对该指数今年迄今的升幅贡献了约70%。与此同时，罗素2000指数自2023年初以来基本没有变化。相比之下，FactSet的数据显示，苹果股价自1月1日以来上升了32%以上。市场策略师对《巴伦周刊》表示，小盘股的相对疲软引发了有关这是否可能是买入机会的讨论。自2023年初以来，小盘股一直在与众多逆风作斗争。企业利润缩水、一系列地区性银行倒闭以及经济衰退迹象的出现，都造成了沉重的打击。面对如此多的不确定性，股票投资者在经历了2022年的严重抛售后，今年开始在大型科技股中寻求安全。 eToro美国股票策略师Callie Cox表示:“就规模而言，一家公司可以超过整个小盘股市场，这真是令人难以置信。”“对我来说，这确实说明了小盘股受到了多大的打击。” 当苹果上周公布截至3月份的季度财报时，该公司管理层透露，iPhone业务意外录得增长，这帮助克服了Mac收入的不足。该公司还承诺向投资者提供数十亿美元的股息和股票回购，这有助于推高股价。苹果股价因此应声走高。

夏洛特2023-05-16

巨型AI模型时代已结束？这家AI初创公司再获2.5亿美元融资

件巨头Salesforce、芯片制造商Nvidia、多伦多风投公司Inovia Capital和硅谷公司Index Ventures。这是自2022年ChatGPT发布后在生成式AI领域的最新重大投资。而此前，Cohere筹集的总资金已达1.7亿美元，包括2022年由Tiger Global领投的1.25亿美元B轮融资。 “百舸争流，奋楫者先；千帆竞发，勇进者胜”。作为加拿大的一家初创企业，Cohere何以突出重围，斩获众多投资者的青睐？了解该企业的发展历程、其产品区别于ChatGPT的独特优势后，相信我们会对投融资市场风向的选择理由与生成式AI的发展动向有所理解。一篇著名的论文创立于2019年的Cohere是一家自然语言处理 (NLP) 公司，基于大型NLP模型为外界提供API服务，从而提高计算机理解和生成文本、阅读和写作的能力。该公司由艾丹·戈麦斯 (Aidan Gomez) 与两个朋友Nick Frosst和Ivan Zhang一起创办，它的总部位于加拿大多伦多，在美国旧金山、英国伦敦均设有办事处。自合作以来，他们组建了一支约135人的团队，目前还在继续扩建以更好的提供相关API服务。两位联合创始人Aidan Gomez和Nick Frosst曾担任过谷歌研究员，其中Aidan Gomez是大名鼎鼎的《Attention Is All You Need》论文的作者之一。该论文提出了一种新的、被誉为ChatGPT的“祖师爷”的网络架构“Transformer”，ChatGPT通过Transformer模型进行了序列建模，并通过自回归方式进行训练，使得大语言模型能够根据前文内容和当前输入，生成符合语法规则和语义逻辑的拟人化内容，这使得国内外都掀起了一波未平一波又起的大规模语言模型训练的热潮。 Cohere提供了与ChatGPT类似的产品，目前主要包括：搜索文本（多语言嵌入、神经搜索、搜索排名）、分类文本和生成文本三大类产品，帮助企业快速部署对话式AI聊天机器人、生成式搜索引擎、文本摘要总结、增强向量搜索等，是为数不多在技术层面具备与OpenAI进行竞争的AI企业之一，这也是其受到资本市场青睐的重要原因之一。 Cohere曾在2021年9月获得4000万美元A轮融资；2022年2月获得1.25亿美元B轮融资，投资者包括老虎环球基金、“AI教父” Geoffrey Hinton、斯坦福大学教授李飞飞、深度学习专家Pieter Abbeel等。在2022年10月，Cohere便开始与谷歌、Salesforce、Nvidia进行融资谈判，如今，Cohere获得巨额融资将继续与OpenAI展开激烈竞争，继续加快类似ChatGPT产品的技术创新和更新迭代。资本为何青睐？实际上，在OpenAI发布GPT-4之后的一段时间内，大部分人都将目光聚焦于AI大模型，包括Anthropic、 AI21、 Cohere和Character.AI在内的众多资金充足的初创公司都在投入大量资源来构建更大的算法和模型，以期待努力赶上OpenAI的技术。但就在AI竞赛如火如荼开展之时，OpenAI的首席执行官Sam Altman却表示巨型AI模型的时代已结束，“未来新一步的进化，将不会来自于巨型模型”。那同属该领域的Cohere又为何会获得资本的青睐呢？ Cohere AI将其模型分为两类：生成模型和嵌入模型。生成模型通过对互联网上大量的数据进行训练，而嵌入模型是多语言支持的，可以支持超过109种语言。Cohere的模型有不同的规格，公司的指令模型每周都在进步，而同类领域的其他提供商通常要几个月或甚至一年才会发布重要的模型更新。尽管Cohere AI与谷歌合作获取其硬件能力，但其并不仅限于Google Cloud。例如，Cohere在AWS SageMaker上运营，并计划在其他云服务提供商上提供服务。Cohere AI的方法非常开放，并以客户为中心，他们通过在任何云供应商上运行以使客户获得最佳体验和服务。相较于GPT-4，Cohere AI尚未采用多模态方法。Cohere AI的高级副总裁Saurabh Baji表示，“我认为图像和视频非常令人兴奋。但从商业角度来看，这也是一个不同的问题。我们并不关注AGI，而是专注于客户实际面临的问题。很多客户的需求都非常以语言为中心。” 从AI竞争格局的角度来看，Cohere AI和OpenAI都是目前AI领域的重要参与者。虽然两家公司都专注于大型语言模型，但它们的重点和方法略有不同。OpenAI在一系列领域都有所涉猎，包括自然语言处理、计算机视觉和强化学习等。此外，OpenAI也吸引了大量的资本，其中包括像微软、谷歌和亚马逊这样的科技巨头。相比之下，Cohere AI专注于提供易于使用和部署的大型语言模型，为企业客户提供更好的商业解决方案。尽管Cohere AI在规模和影响力上与OpenAI存在一定的差距，但其在语言模型方面的专注度和灵活性使其成为一个非常有前途的公司。另外，在资本方面，Cohere AI也获得了很多青睐。除了几个知名风险投资公司的支持，该公司还获得了加拿大政府和Google等科技巨头的支持。这些资金的注入有助于Cohere AI继续扩展其业务和规模，并在AI市场上取得更大的份额。总的来说，虽然Cohere AI和OpenAI在AI竞争格局中处于不同的位置，但它们都是这个领域中非常有前途的公司。Cohere AI在语言模型方面的专注度和灵活性使其成为一个与OpenAI进行竞争的关键因素之一，而资本的支持也给了Cohere AI更多的机会来发挥其潜力，并在市场上取得更大的份额。实用角度看大语言模型大语言模型（Large Language Models，简称LLMs）是一类基于深度学习技术的自然语言处理（NLP）模型，它们具有大量的参数，并能够理解和生成人类语言。这类模型通常采用神经网络架构，尤其是Transformer架构。近期，一篇综述论文《在实践中利用大模型的力量》在AI学术圈爆火，而其中一张名为“大预言模型进化树”的图片引起了不小的轰动，其梳理了2018年到2023年的大预言模型代表作。相较于Open AI不断深耕至今走向AI的前沿，曾经颇具影响力的谷歌BERT似乎从一开始就走向了“岔路”。当我们以年为单位看LLM发展史的时候，忍不住唏嘘“在大模型没有成功之前，一切都是场赌局”。 ◉ 大语言模型发展进化史 2017年的时候，谷歌研究员在《Attention is all you need》一文中介绍了Transformer架构——这也是目前最常用到的架构之一，是BERT、GPT等预训练模型的基础。时至今日，Transformer架构仍是GPT模型的基础架构。 Transformer架构的提出和预训练的方法将大语言模型推向了新的阶段——以谷歌为首的科技大公司在2017年后聚焦于研发能够处理多种自然语言任务的大模型。 2018年6月，OpenAI采用Transformer架构发布了它们的模型——GPT-1。紧接着，谷歌正式向世界介绍了全新预训练模型——BERT。时间来到2019年，微软宣布与OpenAI达成10亿美金的合作。次年9月，OpenAI授权微软使用GPT-3模型，微软成为全球首个享用GPT-3能力的公司。科技巨头Meta当然也不甘示弱，于2022年推出有着“开源版本的GPT-3”之称的OPT，并于今年推出能在单个GPU上运行的大语言模型LLaMA。如今GPT-4也已发布，更强的文本生成能力与详细的逻辑判断能力让OpenAI在四年内快速崛起，并成功“破圈”。 Cohere的联合创始人Nick Frosst对Altman认为大模型不会永远奏效的观点也是表示认同的，他表示“有很多方法可以让Transformer变得更好、更有用，而且很多方法并不涉及向模型添加参数”。Frosst还说，新的AI模型设计或架构，以及基于人类反馈的进一步优化，将会是许多人工智能研究人员已经在探索和有前途的方向。 ◉ 一些有前景的LLM用例利用LLM大模型可以做许多“很酷”的事情，但我们必须承认，基于人类实际需求的创新发展方向才是最根本的逻辑，所以“实用主义”是我们考量LLM应用的重要指标。对于到底是选择只经过预训练的大模型LLM，还是在此基础上经过特定数据集微调后的较小模型问题，《在实践中利用大模型的力量》这篇论文给出的答案是具体情况具体分析，我们可以参照这张决策流程思维导图来获得一些启示。各种基于LLM构建的应用程序在不断刷新我们的认知，计算机科学家Chip Huyen在其文章《为生产构建 LLM 应用程序》中为我们提供了一些有前景的LLM用例：人工智能助手：针对不同用户群体来构建不同的任务，比如安排日程、做笔记、预订航班、购物等。但是，最终目标是打造一个可以帮助你做任何事情的智能助手。聊天机器人：聊天机器人在API方面类似于人工智能助手。如果说人工智能助手的目标是完成用户交给它的任务，那么聊天机器人的目标更多的是成为一个伴侣。例如，你可以让聊天机器人像名人、电影角色、作家等一样说话。学习：ChatGPT不仅可以生成问题，还可以评估学生输入的答案是否正确，以及对论文进行评分和反馈。同时，它也很擅长在同一个辩论话题上采取不同的立场，可以成为学生很好的辩论伙伴。搜索引擎优化：如今，许多公司都依赖于创造大量内容，希望在谷歌上排名靠前。但在未来，搜索引擎优化可能会变得更像一场猫捉老鼠的游戏：搜索引擎会想出新的算法来检测人工智能生成的内容，而公司则会更好地绕过这些算法。人们可能也会减少对搜索的依赖，而更多地依赖品牌（例如，只相信某些人或公司创造的内容）。除此之外，大语言模型可以帮助生命科学研究人员更好地理解蛋白质、分子、DNA和RNA，帮助信用卡公司进行异常检测和欺诈分析以保护消费者，帮助法律团队进行法律释义和抄写等。在未来的模型面前，或许现在我们看到的大模型只是蝼蚁。但我们可以期待，未来更加强大的语言模型将会更彻底改变人们的生活方式。现在，我们可以看到越来越多的企业涌入AI的洪流，个体也不可避免地主动参与或者被席卷进去，我们永远不知道明天会发生什么。未来的另一个五年又会有多少大语言模型出现，谁又将冲在行业最前端呢？让我们拭目以待。【声明】：本文为元宇宙之心运营团队原创，未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2023-05-11

ChatGPT引爆华尔街！股市动荡不安，科技公司遭遇涨跌两极化

两个方向上剧烈波动，芯片制造商英伟达(Nvidia)的股价飙升，而学习材料公司Chegg的股价下跌。对人工智能潜力的热情是大型科技公司今年表现最强劲的原因之一。毫无疑问，生成式人工智能聊天机器人很受欢迎。高盛分析师在一份研究报告中表示，ChatGPT在两个月内获得了1亿用户，是有史以来最快达到这一成就的应用程序。相比之下，TikTok花了9个月才达到这一里程碑，而Instagram花了30个月。苹果首席执行官蒂姆·库克上周在与分析师的电话会议上表示：“我们认为人工智能潜力巨大，我们将继续在非常周到的基础上将其融入我们的产品。” 根据AlphaSense的数据，今年到目前为止，在全球范围内的公司电话会议上，有300多次提到“生成式人工智能”。在2023年之前，这句话几乎没有被提及。主要的卫生系统正在试验人工智能，看看这项技术是否能帮助提高医务人员的生产力。企业家和风险资本投资者希望生成式人工智能将彻底改变从媒体制作到客户服务再到杂货配送的各种业务。就连可口可乐公司也告诉投资者，他们正在试验这项技术。一些投资者想知道生成式人工智能是否是有可能颠覆整个行业的最新技术。在线流媒体的出现宣告了百视达(Blockbuster)等家庭视频租赁公司的终结，而手机上的摄像头使得照片处理变得过时，引发了苹果的崛起和柯达(Kodak)的衰落。今年1月科技巨头微软宣布向ChatGPT的开发商初创公司OpenAI投资100亿美元，随后微软的市值增加了近5000亿美元。英伟达的股价今年已翻了一番，该公司生产为聊天机器人提供动力所需的芯片。今年早些时候，由于聊天机器人Bard令投资者失望，谷歌母公司Alphabet的市值在一天之内蒸发了1000亿美元，不过损失很快就得到了扭转，Alphabet股价今年上涨了22%。 Synovus Trust高级投资组合经理Daniel Morgan说： “最难确定的是，支出对这些公司的收入和利润会产生什么影响：”他的基金持有微软、Alphabet和英伟达的股票。投资者兴趣的高涨推高了估值。FactSet的数据显示，英伟达过去12个月的市盈率为167倍，微软和Alphabet的市盈率分别为33倍和24倍。Chegg的股价上周下跌了48%，此前这家学习资料公司表示，ChatGPT的崛起损害了它吸引新客户的能力。 “你根本不知道所有的连锁反应，” Boardman Bay Capital Management的首席投资官Will Graves说：“如果这真的是一个属于iPhone的时代，那么没人会想到优步(Uber)会从iPhone中脱颖而出，冲击出租车行业。”

Sue2023-05-10

中美重磅！美国拟制裁阿里巴巴、百度等中国AI技术外媒：中企绕过半导体禁令开发

关键：美国的制裁已经切断他们与英伟达(NVIDIA)等公司生产最先进芯片的联系。人工智能研究人员和行业分析师表示，他们迅速消耗了现有的美国芯片库存，以创建自己的ChatGPT竞品。 “你可以从字里行间看出，他们正试图在阳光下寻找任何计算能力来弥补顶级硬件的不足，”Meta Platforms专门研究人工智能基础设施的AI研究员Susan Zhang解释说。在AI行业中，计算是指一组芯片中可用的计算能力。中国最高决策机构上个月表示，中国应鼓励AI发展的创新。在美国商务部2022年10月全面限制向中国供应芯片后，拜登政府表示可能会实施进一步的禁令。中国公司无法使用英伟达的A100芯片，这是业内最流行的AI开发芯片，以及下一代版本，即3月份发布的H100，它提供了更多的计算能力。英伟达为中国市场创建了其芯片的降级版本，分别称为A800和H800，以满足制裁要求。两种修改后的芯片都降低了芯片与其他芯片通信的能力。《华尔街日报》据一位知情人士透露，中国政府关联的半导体行业协会在最近一次闭门行业会议上发布的一项调查显示供应紧张，发现中国大约有40000至50000台英伟达A100芯片可用于训练大型 AI模型。知情人士表示，在制裁前储备A100的中国公司，如阿里巴巴和百度，已经严格限制在内部使用外国先进芯片，将它们用于计算最密集的任务。据《华尔街日报》此前报道，百度暂停了包括其自动驾驶部门在内的所有团队使用A100，以便在其ChatGPT竞品Ernie Bot发布日期之前将它们集中起来开发。开源研究论文和知情人士透露，百度近年来一直寻求将国产芯片纳入其AI开发，包括海光信息科技的DCU和华为的AI训练芯片Ascend，以及自己的昆仑芯片。一些知情人士表示，许多国产芯片在训练大规模模型方面仍然不可靠，因为它们容易崩溃。在3月份的一篇论文中，华为研究人员展示他们如何使用此类技术仅使用该公司的Ascend芯片而不使用英伟达芯片来训练其最新一代大型语言模型。研究人员在论文中写道，尽管存在一些缺点，但这个名为PanGu-Σ的模型在一些中文任务上达到了最先进的性能，包括阅读理解和语法挑战。半导体研究和咨询公司SemiAnalysis首席分析师Dylan Patel表示，如果无法使用新的英伟达H100芯片，中国研究人员的痛点只会加剧，其中包括一个额外的性能提升功能，特别有助于训练类似ChatGPT的模型。但2022年百度和深圳研究机构鹏程实验室的一篇论文表明，研究人员正在以一种不需要该功能的方式训练大型语言模型。Patel指出，尽管这项研究还处于早期阶段，但它看起来很有希望。《彭博社》早在4月20日就曾援引消息人士称，拜登政府计划5月发布新的行政命令，限制美企对中国的投资，涉及芯片、AI 及量子投资等经济关键领域。美国企业对中国经济关键领域的投资受限领域将包括创业投资、私募股权以及某些形式的技术转让和合资企业，而且某些类型的投资将被彻底禁止。报道提到，美国政府已就相关措施讨论近两年，计划在5月19日起在日本广岛举行的G7峰会期间采取行动。消息人士透露，该行政命令可能在G7峰会前后发布，而美国希望获得G7成员国支持。对此，中国外交部发言人毛宁此前表示，科技应该造福全人类，而不应成为限制或遏制别国发展的手段。美国泛化国家安全概念、人为对中美经贸往来和科技交流设置障碍的做法，与市场经济原则和国际经贸规则背道而驰，有损国际社会对美国营商环境的信心，也将会反噬美方自身。最后他强调，中国政府将继续坚定维护本国企业的正当合法权益。

小萧2023-05-08

查理芒格谈人工智能:“我认为老式智能工作得很好”

及微软（Microsoft）、英伟达（Nvidia）和C3.ai等公司的股票，科技公司对人工智能的兴趣越来越浓厚。AI暴涨。　　随着科技公司之间展开一场人工智能战争，人工智能一直是财报电话会议的焦点。Alphabet表示，其人工智能业务在第一季度亏损了33亿美元，而微软认为，在“搜索领域的代际转变”中，它可以帮助自己赢得市场份额。　　微软已经崛起为该领域的领导者，向OpenAI投资了100亿美元。该公司的创始人比尔·盖茨最近向巴菲特展示了该公司的一些人工智能技术。　　“它做了这些了不起的事情，但它不会讲笑话，”巴菲特说。“比尔提前告诉了我，并让我做好了准备。但它就是不存在。” 　　尽管人们对人工智能相当兴奋，但这项技术的前景并不完全乐观。一群著名的科技创始人写了一封信，警告人工智能的危险，就在上周，IBM首席执行官阿文德·克里希纳表示，人工智能可能会取代该公司近8000个工作岗位。　　巴菲特将人工智能的颠覆性比作原子弹，美国用原子弹最终结束了第二次世界大战。巴菲特称这种战争策略是必要的，但他质疑:“这对未来200年的世界有利吗？” 　　巴菲特说:“当一种东西可以做各种各样的事情时，我就会有点担心，因为现在我们无法取消它的发明。” 　　正如芒格和巴菲特对加密货币（芒格称之为“性病”）等其他流行股票不感兴趣一样，伯克希尔哈撒韦公司可能不会在人工智能上投入全部资金。　　“有了人工智能，它可以改变世界上的一切，除了人类的思维和行为，”巴菲特说。“这是一大步。”

金融界2023-05-07

半导体轮流“爆雷”！台积电5大客户猛砍单超微、高通衰退“崩跌” 芯片业极度恐慌

析师陆行之表示，目前看起来只有英伟达(NVIDIA)较为抗跌，“但要是哪几家客户能够利空出尽，股价不跌反涨，就厉害了”。台媒消息传出，台积电主要非苹客户，包括超微、英伟达、联发科、高通、英特尔等五大咖库存调整状况比预期激烈，观望态度浓厚，投片量缩手并将部分产品所需芯片递延至第二季拉货，冲击台积电本季营运不如预期，美元计价营收低标也难达到标准。另外，近期相关科技大厂人事异动与裁员干扰专案出货与开发进度也是主因。就应用别来看，手机、个人电脑需求仍疲弱。市场观察，台积电个别客户受景气影响程度不同，PC相关营收占比高者受创较大，共同的情况仍是“高库存仍必须在今年上半年处理完毕”。受五大客户库存调整状况比预期激烈影响，台积电3月营收合并营收为1454.08亿台币，月减10.9%、年减15.4%，创17个月以来的新低，为历年同期次高，第一季累计合并营收为5086.33亿台币，季减18.7%、年增3.6%，虽为历年同期新高，但未达市场预测的低标。台积电因去年底出货延后，带动今年1月营收达2000.51亿台币，月增3.9%，年增16.2%，重返2千亿元大关并创同期新高；2月营收为1631.74亿台币，月减18.4%、年增11.1%，创12个月以来新低，但为历年同期新高；3月受客户调整库存影响，营收续下滑，下滑幅度超过市场预期。超微周二公布今年第一季营收下滑9%，其中PC芯片业务营收暴跌65%，亏损1.72亿美元，成为压垮营运的元凶，加上第二季财测展望保守，盘后股价狂杀近7%。“芯片卖不掉”的背景下，股价遭遇大幅抛售。超微第一季营收年减9%至53.5亿美元，略高于分析师预测的53亿美元，尽管符合市场预期，却是2019年来首见萎缩，另，首季亏损1.39亿美元，较去年同期净利7.86亿美元，衰退高达118%，每股经调整每股盈余(EPS)为0.60美元，年减47%，但仍高于预期的0.56美元。观察各业务部门表现，PC处理器业务营收上季大跌65%至7.39亿美元，亏损1.72亿美元，成为拖累整体营运的主因。超微执行长苏姿丰表示，客户端伺服器业务已在第一季落底。资料中心业务上季营收12.95亿美元，年增0.15%，虽然不及市场预期，但超微仍看好本季有望持续成长。超微预期第二季营收达53亿美元，低于分析师预估的54.8亿美元，毛利率约50%。本季财报展望保守，拖累超微股价周三重挫9.22%，跌至81.62美元。 (来源:Trading View) 陆行之在脸书写道：“最近的感想就是，台积电五大客户轮流爆雷，目前看起来只有英伟达顶的住，要是哪几家客户能够利空出尽，股价不跌反涨，就厉害了。” 高通周三公布本季财测营收将达81-89亿美元，低于分析师平均预估的92.5亿美元，其中，高通预测本季芯片营收达69-75亿美元。高通表示，财测也纳入总体经济不利因素与全球手机销售疲软的因素。回顾截至3月26日的上季财报，高通营收下滑17%至93亿美元，高于分析师预期的91亿美元；扣除特定项目后每股盈余2.15美元，符合预期。以细项来看，高通上季与手机相关的营收下滑17%至61亿美元、车用营收年比大增20%至4.47亿美元，都高于预期；联网装置营收则达13.9亿美元，符合预期。高通预期，整体手机市场2023年会以高个位数幅度萎缩，客户削减库存的情况将可能再延续两季；智慧手机产业在新订单流入前，还要花多一些时间才能消耗过剩的芯片，且中国手机市场尚未见到显著复苏。高盛周三股价跌2.82%，报在112.83美元，盘后再跌深。 (来源:Trading View) 陆行之同时分享五个重点，他认为，归因于苹果季节性转弱，中国客户一堆库存，高通预期第二季营收季度衰退4-13%，平均衰退8%，比市场预期持平来的糟，芯片又比授权营收来的差。他提到，高通第一季库存月数4.95个月，年增69%，但季减4%，库存清理应该会持续；预期第2季度晶片部门营业利润率下滑到23-25%，高出联发科近10个百分点，但也是逐季，逐年下滑。陆行之最后总结：“以最近半导体公司第二季的季比指引来看，手机产业链最差，电脑，伺服器，车用勉强守住持平，电视大尺寸面板/驱动晶片，GaAs砷化镓化物半导体，封测设备公司最佳，但奇怪的是GaAs砷化镓半导体不是很多都是手机在用，还是这些产业清库存来的早，提早看到市场复苏？” (来源:Facebook)

小萧2023-05-04

拜登“打错了算盘”？！对华实施芯片出口管制，实际上影响却“微乎其微”

5月3日)，行业专家告诉路透社，最新款Nvidia H800于3月发布，执行某些AI任务的时间可能会延长10%至30%，与英伟达最快的美国芯片相比，成本可能会增加一倍。即使是使用低配的英伟达芯片也代表着中国公司的进步。中国最大的科技公司之一腾讯控股在4月份估计，使用Nvidia H800的系统将把其最大的人工智能系统的训练时间从11天减少到4天，缩短一半以上。 86Research的上海分析师Charlie Chai说：“与我们交谈的人工智能公司似乎认为障碍相对较小且可控。” 政府与行业之间的来来回回，暴露了美国在不伤害美国公司的情况下减缓中国高科技进步所面临的挑战。美国制定规则的部分策略是避免中国人完全放弃美国芯片，并加倍自己的芯片开发。一位不愿透露姓名的芯片行业高管表示：“他们必须在某个地方划清界限，无论划在哪里，他们都将面临如何不立即造成破坏，但如何随着时间的推移削弱中国能力的挑战。” 出口限制有两部分。第一个限制了芯片计算极其精确数字的能力，该措施旨在限制可用于军事研究的超级计算机。芯片行业消息人士称，这是一项有效的行动。但是计算极其精确的数字在AI工作中不太重要，例如大型语言模型，在这些工作中芯片可以处理的数据量更为重要。英伟达将Nvidia H800出售给中国最大的科技公司，包括腾讯、阿里巴巴集团控股有限公司和百度公司，用于此类工作，但尚未开始大量运送芯片。英伟达上周在一份声明中表示：“政府无意损害竞争或美国工业，并允许美国公司为商业活动提供产品，例如为消费者提供云服务。” 它补充说，中国是美国技术的重要客户。英伟达上周表示：“去年10月份的出口管制要求我们生产的产品在两个市场之间的差距不断扩大。我们遵守法规，同时在每个市场提供尽可能具有竞争力的产品。” 英伟达首席科学家Bill Dally本周在另一份声明中表示，随着培训需求继续每6到12个月翻一番，这种差距将随着时间的推移而迅速扩大。美国商务部负责监督规则的部门工业和安全局的发言人没有回复置评请求。美国的第二个限制是芯片到芯片的传输速度，这确实会影响人工智能。ChatGPT等技术背后的模型太大，无法放在单个芯片上。相反，它们必须分布在许多芯片上，通常是一次数千个，因为它们都需要相互通信。英伟达尚未透露中国独有的H800芯片的性能细节，但路透社看到的一份规格表显示芯片到芯片的速度为400GB/秒，不到在中国境外可用H100芯片900 GB/秒峰值速度的一半。人工智能行业的一些人认为，这仍然是足够的速度。Naveen Rao是一家名为MosaicML的初创公司的首席执行官，该公司专门帮助AI模型在有限的硬件上更好地运行。他说：“估计系统速度会降低 10-30%，有一些方法可以通过算法解决所有这些问题。我认为这在很长一段时间内都不会成为界限，比如10年。” 中国的芯片完成人工智能训练任务的时间是更快的美国芯片的两倍，但仍然可以完成工作。一位因与合作伙伴达成协议而要求匿名的业内人士表示：“到那时，你必须花费2000万美元而不是1000万美元来训练它。这很糟糕吗？是的。但这是否意味着这对阿里巴巴或百度来说是不可能的？不，这不是问题。” 此外，AI研究人员正试图精简他们构建的庞大系统，以降低类似于ChatGPT和其他流程的培训产品的成本。这些将需要更少的芯片，减少芯片与芯片之间的通信，减少美国速度限制的影响。两年前，业界认为AI模型会变得越来越大，Anyscale的软件工程师Cade Daniel表示：“如果今天仍然如此，那么这种出口限制将产生更大的影响，这种出口限制很明显，但它并没有像它本应具有的那样具有破坏性。” Anyscale是旧金山一家提供软件以帮助公司执行AI工作的初创公司。

Peng2023-05-03

Figment Capital：深入解读零知识证明加速

CICLE，这是一个用 CUDA 为 Nvidia GPU 建立的零知识加速库。该库包含加速常见零知识操作的工具，如 MSM 和 NTT. FPGA 的时钟速度比 GPU 低，但可以通过编程来解决上述所有的加速策略。他们最大的问题只是对其进行编程。对于零知识来说，组织一个既有密码学专业知识又有 FPGA 工程专业知识的团队是非常困难的。早期为零知识加速生产 FPGA 的团队是像 Jump Crypto 和 Jane Street 这样已经拥有 FPGA 和密码学人才的复杂交易公司。FPGA 也仍然有瓶颈——单个 FPGA 往往没有足够的片上存储器来执行 NTT，需要额外的外部存储器。将硬件驱动的零知识速商业化的最严格的尝试，甚至比单片 FPGA 更进一步。为了获得进一步的收益，像 Cysic 和 Ulvetanna 这样的公司正在建立 FPGA 服务器和 FPGA 集群，结合多个 FPGA 提供额外的存储器和可并行计算，以进一步加速证明生成。这些团队的早期结果是有希望的： Cysic 声称他们的 FPGA 服务器在 MSM 比 Jump 的 FPGA 架构快 100 倍，在 NTT 比最知名的 GPU 实现快 13 倍。标准化的基准还没有建立起来，但结果指向了重大改进。 ASIC 能够为零知识证明生成提供绝对最高的性能。今天的 ZK ASIC 的问题是，他们正在为一个移动的目标进行优化——零知识正在迅速发展。由于 ASIC 需要 1 - 2 年和 1000 - 2000 万美元来生产，他们必须等到零知识已经足够稳固，所生产的芯片不会很快被淘汰。另外，零知识证明的市场规模在未来几年才变得足够大，足以证明 ASIC 所需的资本投资是合理的。 FPGA 和 ASIC 之间有一个微妙的梯度。虽然 FPGA 是可编程的，但它们的芯片有不可编程的硬化部分。固化部件的性能比可编程的要高得多。随着零知识市场的发展，像 Xilinx（AMD）和 Altera（Intel）这样的 FPGA 公司可以生产新的 FPGA，嵌入专门为零知识证明中的常见操作设计的硬化组件。同样，ASIC 也可以被设计成包括一些灵活性。例如，Cysic 未来计划生产专门针对 MSM、NTT 和其他一般操作的 ASIC，同时保持灵活性以适应许多证明系统。从长远来看，ASIC 将提供最强大的零知识证明加速功能。在此之前，我们预计 FPGA 将服务于计算最密集的零知识用例，因为其可编程性使其能够比 GPU 更快地执行 NTT、MSM 和其他加密操作。对于某些应用，GPU 将提供性能和可及性之间最具吸引力的平衡。结论区块链行业多年来一直在等待零知识证明为生产做好准备。这项技术已经吸引了我们的想象力，承诺增强去中心化应用的可扩展性、隐私和互操作性。直到最近，该技术还不现实，主要是由于硬件限制和漫长的证明时间。这种情况正在迅速改变：零知识证明方案和硬件的进步正在解决 MSM 和 NTT 等计算瓶颈问题。有了更好的算法和更强大的硬件，我们可以将零知识证明加速到足以释放其潜力，从而彻底改变 Web3。鸣谢：特别感谢 Brian Retford（RiscZero）、Leo Fan（Cysic）、Emanuele Cesena（Jump Crypto）、Mikhail Komarov（=nil; Foundation）、Anthony Rose（zkSync）、Will Wolf 和 Luke Pearson（Polychain），以及 Penumbra Labs 团队的精彩讨论和反馈，为本文做出了贡献。原文标题：Accelerating Zero-Knowledge Proofs 原文作者：Figment Capital 原文编译：Lynn，MarsBit 来源：星球日报来源：金色财经

金色财经2023-05-02

芯片巨头英特尔第一季度整体营收暴跌36%，股价下跌超1%前景不容乐观！

英特尔公司季度业绩不佳，而且与英伟达(Nvidia)等公司相比，缺乏对人工智能热潮的敞口，这一努力受到了阻碍。英特尔的股价在过去12个月里下跌了36%，而AMD的股价则基本持平。作为人工智能芯片的主要供应商，英伟达的股价上涨了43%。虽然自2023年初以来，市场对科技股的普遍情绪有所改善，纳斯达克指数上涨了14%，但英特尔仍在艰难前行。自1月份以来，英特尔公司的股价仅上涨了9%，而AMD的股价上涨了31%，英伟达的股价飙升了84%。但Gelsinger正试图通过在美国建立新的制造设施来引导这家芯片巨头进入一个新的增长时代，其中包括在俄亥俄州投资200亿美元的大型芯片工厂。在周四的财报发布之前，英特尔宣布与芯片设计公司Arm进行多代合作。但英特尔面临的更大问题可能是整个个人电脑市场的放缓。新冠疫情期间，消费者和企业囤积了新的个人电脑，随着利率的上升，这两类客户都在削减对新系统的支出。根据Gartner的数据，2023年第一季度，全球个人电脑出货量同比下降30%，至5520万台。据该研究公司称，这是市场连续第二个季度出现历史性下跌。

迪星妮2023-04-28

晚间必读 | 2023 年的三大趋势以及潜力项目

在是世界上第 10 大资产，市值位于 Nvidia 之后。点击阅读来源：金色财经

金色财经2023-04-27

24小时热点