Silicon Data
PulseAugur coverage of Silicon Data — every cluster mentioning Silicon Data across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
Silicon Data 融资 3000 万美元，将在 CME 推出现货计算期货交易
Silicon Data 已获得 3000 万美元 A 轮融资，用于建立 AI 计算的参考价格并开发用于对冲这些成本的期货合约。该初创公司计划于 10 月 5 日在芝加哥商品交易所 (CME) 推出其计算期货交易，但需获得监管部门的批准。此举旨在为华尔街公司提供一种机制来管理与 AI 基础设施（尤其是图形处理单元 (GPU)）相关的重大且波动的费用。
-
Nvidia 寻求 5000 亿美元将算力视为一种资产类别
Nvidia 正在探索一项新的金融策略，将算力视为一种资产类别，目标是与 Apollo、BlackRock 和 Goldman Sachs 等主要金融机构达成 5000 亿美元的融资。首席执行官 Jensen Huang 认为，这些由 Nvidia 的 CUDA 软件增强的、能够产生收入的计算资产代表了金融工程的新领域，类似于抵押贷款支持证券的早期。然而，人们对这些资产的长期价值表示担忧，特别是如果对 GPU 的需求下降，或者 AI …
-
OpenAI、Anthropic因中国AI对手竞争而降价 · 追踪4个来源
领先的AI公司OpenAI和Anthropic正在对其模型进行大幅降价，以应对来自中国AI竞争对手日益激烈的竞争。这些降价幅度高达80%，旨在留住那些正在探索更经济实惠替代方案的成本敏感型客户。这一战略转变是由企业日益增长的AI运营成本以及全球范围内日益普及的开源中国模型不断增强的能力所驱动的。
-
CME Group 和 Silicon Data 于10月5日推出 AI 计算期货
CME Group 和 Silicon Data 将于10月5日推出计算期货，旨在提供一种对冲 AI 相关风险的新机制。这些期货将允许计算能力（特别是 GPU 计算）的租用价格在公开交易所作为商品进行交易。此举旨在使 AI 计算的成本（例如租用 Nvidia 芯片）成为透明且可交易的资产，类似于原油的交易方式。
-
企业AI成本在价格战和开源模型普及下触及年度低点 · 已追踪2个来源
根据Jefferies的研究，企业AI成本已降至今年最低点。这一下降归因于全球AI提供商的价格战以及像DeepSeek等中国开源模型日益普及且价格低廉。每百万token的平均推理价格在8月初降至1.16美元至1.18美元之间，较年初显著下降。
-
中国AI模型引发价格战，提振全球需求
中国开源AI模型正在导致AI市场价格大幅下跌，大型语言模型（LLM）的推理成本急剧下降。尽管这引起了美国投资者的担忧，并可能导致美国市场分裂，但分析师认为，更低的价格最终将提振全球AI需求和采用率。这种竞争加剧被认为对利用AI系统的消费者和企业都有益。
-
在成本上升和审查加剧之际，AI代币支出取代“Tokenmaxxing”
鼓励AI工具高代币消耗的“Tokenmaxxing”概念正被“代币支出”所取代，因为公司面临着巨大的财务负担。Palantir的Alex Karp等行业领袖对代币使用成本表示担忧，特别是Anthropic和OpenAI的模型。这一转变是由CFO日益增长的审查以及对更好账单可见性的需求推动的，导致公司寻求在促进创新和控制费用之间取得平衡，可能通过使用更便宜的模型或混合使用不同的AI服务。
-
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。
-
NotebookLM 可根据文本生成动画；CME 计划推出 AI 计算期货
Google 的 NotebookLM 已展示一项新功能，可以分析书籍中的文本并自动生成复杂过程（如注塑成型）的动画。此功能允许用户仅凭文本内容创建高质量的解释性视频，而无需明确的提示，展示了人工智能不断发展的多模态应用。另外，CME Group 和 Silicon Data 正计划推出一个人工智能计算能力的期货市场，旨在帮助交易员和 AI 开发人员管理价格波动和风险。
-
GPU 租用者面临“硅片彩票”，云性能不一致
来自威廉玛丽学院、杰斐逊实验室和 Silicon Data 的研究显示，从云服务商租用的相同 GPU 型号之间存在显著的性能差异。这种“硅片彩票”意味着客户可能无法获得他们所支付的性能，其中一些 H100 PCIe GPU 在计算性能上显示出高达 34.5% 的差异，而 H200 SXM GPU 在内存带宽上则表现出高达 38% 的变化。研究表明，制造不一致是导致这些差异的主要原因，而不是散热或配置问题。为缓解此问题，研究人员建议 G…