AMP创始人Anjney Midha认为，AI扩展的争论应侧重于最大化现有GPU的效率，而不是仅仅购买更多GPU。他指出，前沿AI实验室通常在较低的模型浮点运算利用率（MFU）下运行，有些运行的MFU低于10%，远低于GPT-3的21%或PaLM的46%等历史基准。Midha强调，AI开发日益成为一个系统性问题，涉及调度、网络和数据管道，而AMP旨在创建一个计算网格，能够像电网一样高效地分配计算能力。 AI
影响 专注于GPU效率可以为AI模型训练和部署带来显著的提升，可能降低成本并加速进展。
排序理由 这篇文章是一篇关于AI基础设施和效率的访谈，提出了专家的观点，而不是直接的产品发布或公告。
- AI Engineer World’s Fair
- Anjney Midha
- Anthropic
- Black Forest Labs
- Claude
- Discord
- Gopher
- GPT-3
- Megatron-Turing NLG
- NVIDIA
- PaLM
- Periodic Labs
- xAI
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
