PulseAugur
中
实时 07:37:32
实体 AI accelerator

AI accelerator

PulseAugur coverage of AI accelerator — every cluster mentioning AI accelerator across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
76
90 天内 233
发布 · 30天
0
90 天内 0
论文 · 30天
10
90 天内 30
层级分布 · 90 天
主题
关系
时间线
  1. 2026-07-20 product_launch The first domestic TPU large-scale AI computing cluster was launched in Hangzhou, China. 来源
  2. 2026-07-15 product_launch Google reportedly plans to use Intel's EMIB-T packaging for its next-generation TPU, codenamed Humufish. 来源
情绪 · 30 天

23 天有情绪数据

最近 · 第 1/10 页 · 共 200 条
  1. SIGNIFICANT · CL_369615 ·

    Google计划建造由太空太阳能供电的轨道AI数据中心

    Google正在开发Project Suncatcher,一项在轨道上部署AI数据中心的计划。这些卫星将配备Tensor Processing Unit (TPU)芯片,并利用太空中丰富的太阳能来运行AI模型。一颗测试卫星于10月30日成功运行了一个AI模型15分钟,并传回了一首关于太空的俳句。Google已预订了一枚Blue Origin New Glenn火箭,计划于2029年进行更大规模的测试发射,旨在利用太阳能为未来的AI基础…

  2. RESEARCH · CL_369206 ·

    太空数据中心因抵押品问题面临融资挑战

    太空数据中心的融资正成为一个重大障碍,因为贷方不愿使用轨道上的芯片作为抵押品,因为难以收回。这与陆基数据中心形成对比,后者在违约时贷方可以没收芯片。据报道,SpaceX 最近的一项融资协议包括一项条款,以防止在其轨道数据中心计划中使用芯片,尽管结果尚不清楚。虽然 SpaceX 和初创公司等公司正在探索太空计算,但由于需要更昂贵的芯片以及对未来如 Starship 等火箭能力(例如 Starship)的依赖,经济性进一步复杂化。

  3. TOOL · CL_368888 ·

    Phison 详解内置NPU、用于驱动器上AI处理的SSD

    Phison 揭晓了新的企业级SSD设计,其中包括一款集成NPU和64GB内存的SSD,能够直接在驱动器上运行PyTorch和llama.cpp等AI框架。这种计算存储方法旨在通过在数据所在位置处理AI代码来减少数据传输,潜在地可将传输量削减高达100倍。该公司还详细介绍了第二种设计,该设计使用单个控制器将快速pSLC缓存与大型QLC容量相结合。

  4. TOOL · CL_368214 ·

    Google 的 HardwareDx AI 将数据中心停机时间减少了 18%

    Google 开发了 HardwareDx,这是一个人工智能驱动的系统,旨在诊断和修复其数据中心的硬件故障。该系统利用图基础模型来提高各种计算架构(包括 GPU 和 Tensor Processing Units (TPU))的可靠性和效率。HardwareDx 已投入生产,并已在减少机器停机时间和加速新硬件的质量保证流程方面取得了显著成效。

  5. SIGNIFICANT · CL_367170 ·

    Google Project Suncatcher 卫星将在蓝色起源(Blue Origin)的 New Glenn 火箭上发射

    蓝色起源(Blue Origin)的 New Glenn 火箭计划在 2029 年第一季度将搭载张量处理单元(TPU)的 Google Project Suncatcher 卫星送入太阳同步轨道。在此之前,十月份的一次猎鹰 9 号(Falcon 9)飞行任务已成功部署了自己的 TPU,使用 Gemma 4 生成了 AI 俳句,并与地球进行了通信。Google 正在组织其他合作伙伴进行未来的部署。

  6. TOOL · CL_366367 ·

    边缘AI硬件和模型部署挑战研究

    一篇新的调查论文将边缘硬件分为三个层级:中端设备(GPU、NPU、TPU)、嵌入式MPU/SoC和微控制器(MCU)。它分析了这些设备上图像分类和对象检测的基准测试结果,功耗范围从几十瓦到毫瓦。该论文提出了一个基于性能优先级的硬件到模型映射框架,并提供了设计原则,同时还强调了工具链碎片化和Vision Transformers在边缘设备上的可行性等部署挑战。

  7. TOOL · CL_366564 ·

    CriticNPU框架加速LLM推理的NPU设计

    研究人员开发了CriticNPU,一个新颖的框架,旨在提高神经网络处理单元(NPU)设计空间探索的效率,以支持大型语言模型(LLM)推理。传统方法依赖于提供有限反馈的慢速模拟器,这阻碍了优化过程,尤其是在工作负载受限于计算吞吐量或高带宽内存等不同资源时。CriticNPU利用在线校准的机制化批评者,在模拟前后估计性能并预测参数变化,显著减少了所需的模拟器调用次数。该方法已展示出强大的性能,在使用现有方法约一半的模拟资源的情况下,在测试…

  8. TOOL · CL_361294 ·

    Anthropic 的 Claude Mythos 大幅缩短 AMD GPU 上线时间,挑战 Nvidia 的 CUDA

    Anthropic 的 Claude Mythos 预览版模型已显著缩短了 AMD GPU 的上线所需时间,将此过程从最多 12 个月缩短至约三天,且只需极少的人工干预。这项进展涉及 AI 自主编写几乎所有必要的内核,挑战了 Nvidia 长期以来在 CUDA 方面的统治地位。Anthropic 的联合创始人 Tom Brown 强调,这项任务以前需要数十名工程师组成的团队来完成,而该公司采用的多芯片策略使其能够在包括 Nvidia、…

  9. TOOL · CL_360348 ·

    新的 TPU 内核优化混合专家模型 LLM 推理

    研究人员开发了 Fuse-All MoE,这是一种新颖的 TPU 内核,旨在优化混合专家(MoE)大型语言模型(LLM)的推理效率。该内核通过融合 token 收集、专家投影、门控激活和输出写入来解决数据移动和专家负载均衡中的瓶颈问题,并将专家计算中间结果保留在片上。实验表明,与现有基线相比,内核运行时间和延迟显著降低,服务吞吐量提高了高达 34.5%。

  10. RESEARCH · CL_358961 ·

    英伟达被指控通过融资交易抬高 AI 芯片价格

    使用 Claude 3.7 Sonnet 等大型语言模型的成本很大程度上受硬件定价影响,API 账单成为项目的主要开销。华尔街日报的一项调查披露,英伟达在前首席执行官黄仁勋的领导下,涉嫌利用与云服务提供商和 AI 初创公司的融资交易人为抬高图形处理器价格。该策略包括对 OpenAI 的数据中心做出巨额财务承诺,将台积电的硅晶圆和内存芯片从消费品市场转移,推高了游戏玩家和研究人员的价格。因此,H100 等 AI 加速器的租金飙升,导致 …

  11. TOOL · CL_358405 ·

    NPU成为新款笔记本电脑标配,但软件支持滞后

    新款笔记本电脑越来越多地配备神经网络处理单元(NPU),旨在高效处理AI任务,如背景虚化或降噪。虽然与CPU和GPU相比,这些芯片在AI推理方面能显著节省功耗,但目前的软件支持有限,导致许多NPU基本未被使用。微软的认证要求,即新的Windows AI功能需要40 TOPS的NPU性能,正推动Qualcomm、Intel和AMD等制造商采用,即使软件生态系统仍在追赶。

  12. RESEARCH · CL_355550 ·

    GPU 与 TPU 及 LoRA 微调:效率与硬件趋势

    该集群探讨了人工智能硬件和微调技术的演变格局。它对比了 GPU 和 TPU 的架构起源和趋同能力,强调了 Nvidia 和 Google 如何在将这些处理器改编用于相似的 AI 工作负载之前,为不同的初始目的开发它们。文章还深入探讨了高效的模型微调,特别是将 LoRA(低秩适配)作为一种能显著降低计算和内存需求的方法,与完全微调相比,这使得硬件资源有限的实践者更容易使用。此外,讨论还涵盖了量化权衡和在消费级 GPU 上运行大型语言模型…

  13. RESEARCH · CL_354998 ·

    Anthropic IPO 在英伟达 CEO 黄仁勋退出后面临审查

    Anthropic 万众期待的首次公开募股(IPO)在英伟达 CEO 黄仁勋意外辞职后,正面临日益严格的审查。分析师认为 Anthropic 的核心业务和 IPO 将继续进行,但英伟达的动荡可能会导致对更广泛的 AI 叙事以及 Anthropic 与这家芯片制造商的联系提出更尖锐的问题。尽管如此,Anthropic 强劲的基本面和多元化的硬件战略,包括依赖谷歌和亚马逊的芯片,表明其具有韧性。

  14. TOOL · CL_351331 ·

    Cyanogen联合创始人发布Kora,一款面向分布式工作负载的AI优先Linux操作系统

    Kora是Kora Systems Inc.开发的一款新的基于Linux的操作系统,由Cyanogen的Kirt McMaster联合创立,旨在将AI模型集成到系统层面。该操作系统通过智能地将AI工作负载分散到计算机的CPU、GPU和NPU上,并能利用其他联网机器,旨在彻底改变桌面体验。Kora计划于2027年发布,最初将支持高通的Snapdragon X2 Elite及其Hexagon NPU,并计划增加Intel NPU支持,而A…

  15. TOOL · CL_351680 ·

    达沃斯2027将聚焦人工智能和就业;Google、Red Hat推出Agentic AI工具

    世界经济论坛2027年达沃斯议程将聚焦人工智能、就业和地缘政治紧张局势。与此同时,Google推出了专为企业Agentic AI应用设计的新张量处理单元(TPU)。Red Hat也推出了OpenShift 5,集成了Agentic集群操作。

  16. SIGNIFICANT · CL_349950 ·

    Google 推出新型高上下文和安全 TPU,扩展 AI 基础设施

    Google 扩展了其第八代 Tensor Processing Unit (TPU) 产品组合,推出了两个新系统:用于海量上下文窗口的 TPU 8i Max 和用于安全机密推理的 TPU 8tx。这些新增产品是对先前发布的用于训练的 TPU 8t 和用于推理的 TPU 8i 的补充。这是 Google 在同一年内首次推出四款 TPU 系统,旨在满足代理时代不断变化的需求,并满足包括高度监管行业在内的专业客户需求。

  17. SIGNIFICANT · CL_349338 ·

    谷歌推出新款AI芯片挑战英伟达市场主导地位 · 追踪4个来源

    谷歌正通过推出两款新的专用AI芯片TPU 8tx和TPU 8i Max来加剧与英伟达的竞争。这些芯片旨在增强机密计算能力并扩展谷歌的整体AI硬件产品。此举使谷歌能够挑战英伟达在AI芯片市场的统治地位,尤其是在英伟达面临内部审查之际。

  18. SIGNIFICANT · CL_349153 ·

    Google发布新款TPU 8t,用于AI训练和推理

    Google发布了其第八代张量处理单元(TPU),旨在优化AI训练和推理任务。新款TPU 8t超级集群将包含多达9,600个芯片,提供121 ExaFlops的计算能力和2 PB的内存。Google的目标是通过利用片上SRAM和高带宽内存,使TPU 8i的每美元性能提升80%,预计两个版本将于今年晚些时候上市。

  19. RESEARCH · CL_349128 ·

    Google 扩展 TPU 8 系列,推出专用变体以挑战英伟达

    Google 推出了其 TPU 8 系列的两个新的专用变体:TPU 8tx 和 TPU 8i Max。TPU 8tx 专为增强数据安全性而设计,可在处理过程中保持敏感信息加密。TPU 8i Max 通过将两颗芯片集成到单个封装中,将计算能力和内存加倍,从而显著提升了性能。这些进步是 Google 策略的一部分,旨在与英伟达在人工智能硬件市场展开更直接的竞争,目前已有近 100 家外部客户在使用其 TPU。

  20. COMMENTARY · CL_348248 ·

    AI 模型速度差异由芯片架构和缓存解释

    由于架构差异和优化技术,AI 模型在某些芯片上运行速度更快。关键因素包括 KV 缓存的使用,它充当模型的内存,以避免重复计算。数据处理方式也不同:GPU 依赖运行时和内核协调进行数据移动,而 TPU 则利用基于编译器的预取。像 IBM Spyre 这样的专用软件可以通过显式管理片上内存来进一步提高性能。