Compute
PulseAugur coverage of Compute — every cluster mentioning Compute across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Intel计划于2026年前通过3D堆叠彻底改革芯片设计
Intel计划从2026年开始，通过专注于3D堆叠和TSV技术，显著改变半导体设计。这一战略性转变旨在将内存组件置于更靠近处理单元的位置。此举旨在克服当前2D芯片架构固有的物理限制，特别是针对AI应用。
-
Ornn 融资 3300 万美元用于建立 AI 算力交易市场
Ornn 是一家获得 Andreessen Horowitz 支持的初创公司，已获得 3300 万美元的种子轮融资，用于建立一个交易 AI 算力的市场。该平台旨在使公司能够对计算资源的波动成本进行对冲，类似于石油交易者使用期货合约的方式。虽然由于技术的快速进步和其无形性，算力并非完美的商品，但 Ornn 寻求建立必要的金融基础设施来支持对 AI 算力的巨额预期投资。
-
Fastly 使用基尼系数进行 AI 驱动的边缘容量规划
Fastly 为其边缘网络开发了一种新颖的容量规划模型，该模型利用了通常在经济学中用于衡量不平等的指标——基尼系数。事实证明，与传统的机器学习模型相比，这种方法在预测游戏发布或体育赛事直播等重大事件期间的流量波动方面更有效。基尼系数有助于 Fastly 理解流量不平等，这直接影响缓存行为、CPU 利用率和整体网络余量，从而能够做出更准确的基础设施投资决策。
-
AI 推理需要超越计算的可扩展内存
人工智能行业正将其基础设施重点从模型训练转向推理，这给内存管理带来了新的挑战。与计算和带宽密集型的训练不同，推理需要高效地存储和提供持久的、驻留在内存中的数据。这需要将内存和计算解耦，以避免过度配置昂贵的处理器，并根据用户活动和上下文窗口的扩展独立扩展内存容量。
-
AI讨论引发关于“算力”作为名词的争论
“算力”一词最近被广泛用作名词，特别是在关于人工智能及其相关成本的讨论中。这种语言上的转变，虽然反映了语言的演变，但也招致了一些人的批评，他们认为这种用法令人不适且语法不正确，并将其与“民主党”被误用作形容词相比较。
-
神经程序合成模型在泛化到训练数据之外时遇到困难
研究人员开发了一个受控环境，以严格测试神经程序合成模型的泛化能力。他们的实验表明，虽然 Transformer 模型在已知数据上表现良好，但在生成新颖程序方面却面临显著困难，性能下降超过 30%。研究表明，增加计算能力的回报递减，遵循对数线性关系，并表明最大化跨各种流形（manifolds）的训练多样性对于稳健的泛化至关重要。研究结果强调了需要新的基于搜索的方法来克服当前的扩展限制。