历史归档
5 条内容
市场震荡 11月5日星期四，以科技股为主的纳斯达克指数暴跌5.5%，创下2025年4月以来的最糟糕表现，在短短24小时内蒸发了超过2.5万亿美元的市值。此前，在对人工智能的狂热情绪推动下，股市在10月份创下历史新高。然而，11月3日民主党在中期选举中的大胜成为了导火索，加剧了市场对AI发展和数据中心扩张将面临更严格政府监管的担忧。 现实阻碍与盈利性质疑 这次市场回调突显了金融投机与现实世界之间的脱节。AI数据中心巨大的耗电量和耗水量引发了当地民众的反对，许多选民支持限制这类设施的建设。此外，随着基础设施建设障碍重重，行业面临着越来越多的投资回报性质疑，此前的巨额融资大多建立在未来收入会源源不断的乐观假设之上。 经济影响 这场危机不仅局限于华尔街，还对美国整体经济构成了潜在风险。近期，AI已成为美国经济增长的主要引擎之一，依靠数千亿美元的投资和股市繁荣支撑。如果市场信心持续受挫，可能会引发项目延迟和经济活动减缓的恶性循环，甚至让AI从经济增长的发动机变成薄弱环节。
过去在云端部署AI模型时，大家常常面临两难：要么为小模型买单整张大显卡造成严重浪费，要么只能自己去搭建和维护复杂的 Kubernetes 集群。现在，亚马逊 SageMaker AI 直接内置了 GPU 分区功能，用户可以把 A100 或 H100 这样的高端显卡切成多块独立区域，并且由硬件层直接保证隔离性。 AWS 的实测表明，用较新显卡的一个分区去跑模型，性能和性价比甚至比整张旧显卡还要好。比如，一块切分后的 H100 片段在处理大并发任务时，速度更快且每百万token的成本更低。这项功能让企业能把各种大小模型混搭在同一台机器上，既不影响性能，又大幅提高了显卡利用率。
DeepSeek最近提出了超级智能体架构来解决AI任务中的人类注意力瓶颈。让人意外的是，硅谷华人团队AFK AI几个月前就在产品Comma中实现了类似的主脑加执行者架构，通过一个对话窗口实现了长期记忆和多任务并行处理。
在过去的一年里，英伟达的 5G 和 6G 开源工具（如 Aerial 和 Sionna）下载量突破了百万大关，被全球 8000 多家研究和学术机构广泛使用。这些工具将仿真测试与人工智能训练同真实世界的无线实验连接起来，帮助研究人员攻克未来网络建设中的关键难题。 在伦敦国王学院，研究人员利用英伟达 Sionna 开发了面向机器人的目标导向语义通信技术。机器人不再传输完整的图像，而是只发送紧凑的物体描述，在动态环境中的任务完成时间缩短了最高 52.6%。与此同时，软银和苏黎世联邦理工学院的研究表明，人工智能神经接收机能够显著改善干扰环境下的信号接收和数据吞吐量。 能源管理和仿真速度也是主要的改进方向。利兹大学的研究人员利用英伟达技术预测网络需求，将基站能耗降低了 45.6%。此外，加泰罗尼亚电信技术中心利用图形处理器加速，将网络仿真运行时间从几小时缩短到十几分钟，从而加快了从创新构想到现实部署的进程。
纽约时报烹饪应用最近推出了一款基于用户评论和庞大食谱库训练的AI助手，旨在帮助用户随时调整食谱。在一次工作日的测试中，作者让AI根据冰箱里仅有的随机食材来修改一道鸡肉饭食谱。AI成功生成了一个新版本，给出了替代食材和调整后的烹饪说明，做出来的味道也很不错。 不过，烘焙则要棘手得多。当作者把一款环形蛋糕食谱改成松饼并将分量减半时，由于在应用中混淆了原版和AI修改版，差点在黄油用量上出了差错。尽管存在这些小波折，但与翻阅数百条评论来寻找替代建议相比，这个工具确实更加省时高效，它能充当一个实用的厨房帮手，不过人类主厨依然得亲自把关。