日内暴涨93%,光纤公司Lumen成AI新宠?

来源:硬AI

光纤公司Lumen近日透露,光纤网络在 AI 背景下变得愈加重要和稀缺,公司已获得50亿美元大单。

Lumen Technologies,这家一度被市场低估的光纤网络公司,近期因AI业务的爆发而备受瞩目。


随着AI模型训练对海量数据的需求不断增长,高速、稳定的光纤网络变得愈发重要。

近日,Lumen宣布公司凭借其强大的网络基础设施,获得了来自各大企业的50亿美元新业务订单。

这一消息发布后公司股价经历了剧烈波动。在同期标普500指数仅上涨了1.04%的情况下,Lumen大涨93.05%,引起了投资者的广泛关注。

图片来源:由GPTNB生成

01 AI为何如此依赖光纤网络?
AI模型的训练和推理通常会产生大量的数据,这些数据通常分布在全球各地的服务器上,需要高速、稳定的网络进行传输。光纤网络以其超高的带宽和低延迟,成为连接这些服务器的最佳选择。 此外,AI应用还催生了边缘计算的需求,即在靠近数据源的地方进行计算,以减少数据传输的延迟。光纤网络为边缘计算提供了可靠的底层基础设施。

02 股价上涨原因
这次股价大幅上涨的原因除了新业务订单外,还包括交易层面的“做空挤压”。 美银指出,先前,公司由于被预期没有成长前景,成为了一个高做空的股票,做空比例为14%,仅次于SATS(18%)。此次股票突然急剧上涨,迫使空头买入该公司的股票来对冲亏损。这种“做空挤压”,又导致Lumen股价进一步暴涨。

03 未来发展
谈及未来,Lumen透露,由于人工智能需求的蓬勃发展,光纤网络在 AI 数据处理过程中变得愈加重要和稀缺。 公司正在与客户积极谈判,除了目前的50亿美元新业务订单外,未来还有望获得另外70亿美元的人工智能销售机会。

此外,7月份,Lumen还与微软(MSFT)达成了一个交易协议,微软将利用LUMN的传输服务来连接数据中心,而Lumen则将购买微软的云工具以帮助自动化业务并节省成本。

同时,为了支持AI数据中心的建设,Lumen还与光纤制造商Corning(GLW)达成了协议,预留未来两年10%的全球光纤组件产能。 这一措施将帮助Lumen在未来两年内建设新的网络以满足AI需求。

尽管如此,美银指出,Lumen目前面临着较大的资本支出压力,且现金流呈下降趋势,在进行投资决策时,应充分考虑这些风险因素。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

OpenAI,雪崩开始了吗?

没有人敢轻易质疑一家引领时代的公司,前提是它自己不出问题。
但OpenAI的问题显然一直在暴露。


2023年11月,一场围绕着OpenAI CEO Sam Altman去留的“宫斗”就成为了当时科技圈最重要的新闻之一。
而类似的事情又在近日发生。据The Information报道,OpenAI联合创始人兼对齐主管John Schulman已经跳槽至OpenAI的竞争对手Anthropic。
而在Schulman引爆舆论的同时,去年和Altman一起陷入宫斗漩涡的OpenAI另一位联合创始人,总裁Greg Brockman也在X爆料,自己正在长期休假,并将持续到年底。
按照网友推测,Brockman的休假可能因为签有保密协议,这意味着休假结束后,Brockman大概率也将从OpenAI离职。在这之前,OpenAI联合创始人兼首席科学家Ilya Sutskever已经在今年5月离职并创办了自己的公司。
所以到目前为止,OpenAI最初的11位创始人仍然稳定的,只剩下Sam Altman和负责OpenAI语言和代码的Wojciech Zaremba。
将这些事情联系起来看,OpenAI显然正在经历一场极为痛苦的撕扯。
而这场动荡最终影响的,可能是人类何时实现AGI,以及如何实现AGI的问题。

。。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

ChatGPT架构师突然离职!OpenAI为什么总留不住大佬和高手?

8月6日,OpenAI内部再次传出人员大地震的消息。根据Information的消息,OpenAI的联合创始人John Schulman突然官宣离职,而他要跳槽去的地方正是OpenAI的老冤家老对手——Anthropic。


与此同时,另一位联合创始人Greg Brockman对外宣布,要进行所谓的“长期休假”;而去年才加入的产品负责人Peter Deng也已经离职。

不难看出,OpenAI再次迎来了人员巨变。

初期元老接连出走,OpenAI的领导层是否已成为了空壳?事实上,Schulman在OpenAI建立和运营过程中所起到的作用是至关重要的,是名副其实的元老级人物。早在2015年还在读博士的时候,Schulman便与OpenAI的结缘,以创始人身份正式加入OpenAI,并成为ChatGPT的架构师。至今,他已在OpenAI供职9年。值得一提的是,这是Schulman除实习之外,唯一工作的公司。之前,他负责的是对齐团队,随后他开始主要领导“后训练”团队,对部署在ChatGPT和OpenAI API中的模型进行微调。

2017年,Schulman在OpenAI任职期间,他和团队首次提出了近端策略优化(PPO)算法,其变体PPO-Clip成为了OpenAI使用的主要算法。

现如今,Schulman已经做出离开OpenAI的决定,并且正式入职素有OpenAI劲敌之称的Anthropic公司。据悉,在Anthropic,Schulman将专注于AI对齐研究,投入到实际的技术工作。

在做出离职决定之后,Schulman发布了官宣长文。他在文章中表示,“需要明确的是,我并不是因为OpenAI缺乏对对齐研究的支持而离开。相反,公司领导在这个领域投入了很多精力。我的决定是个人的,基于我在职业生涯下一阶段中希望如何集中精力”。

对于Schulman的离职,OpenAI的CEO Sam Altman也很体面的表示了尊重和理解,并对Schulman在OpenAI期间做出的贡献表示了感谢。

留不住大佬们的心,也留不住大佬们的人,OpenAI到底触犯了怎样的众怒?超级对齐的领导人Ilya Sustkever的离职,也才发生在今年5月,当时接管Ilya工作的正是Schulman。如今,不过两个多月的事件,Schulman也选择了“离家出走”。

这不免让人唏嘘不已。

耐人寻味的是,几乎在同一时刻,OpenAI的总裁Greg Brockman宣布将开始休长假,直到年底。所以,他将缺席OpenAI计划于10月1日起在全球各地举办的开发者日等活动。Brockman发文表示,这是其在连续工作了9年之后的第一次放松。可对于休假之后的计划,他说的很是模糊。也正因此,网友对此有了各种各样的猜测。

OpenAI人才持续流失的速度的确是相当快。今年5月,超级对齐团队的两名负责人——首席科学家Ilya Sutskever和RLHF发明者之一Jan Leike,在同一天内相继离开OpenAI。究其原因,是因为他们在AI安全方面的理念与Sam Altman存在着严重不合。彼时,距离超级对齐团队的成立,过去还不到一年。

Jan Leike在离开之后更是选择与OpenAI和Sam Altman直接开撕。他连发十几条推文,对着OpenAI疯狂炮轰,控诉其没有兑现20%算力的承诺,并且对安全的重视程度远不及产品。后来,Jan Leike选择加入了OpenAI的竞争对手Anthropic,继续进行超级对齐的研究。

无独有偶,在GPT-4项目上与Jan Leike共同领导对齐工作的Ryan Lowe,也在3月底的时候离开了OpenAI。还有超级对齐成员之一William Saunders,以及参与过GPT-4对抗性测试的Daniel Kokotajlo,也都从OpenAI离职。

如今,Schulman也选择了离开,尽管相较于Jan Leike,Schulman的离职还算体面,并没有对老东家进行公开的指责。但从他离职后直接加入了OpenAI劲敌Anthropic的选择来看,这背后的故事想必也是暗流涌动的。

而大家纷纷选择跳槽的Anthropic更是不必多说。Anthropic的创始人Dario Amodei和Daniela Amodei是兄妹,也是实打实的“OpenAI出身”。哥哥Dario离开前是OpenAI的研究副总裁,妹妹Daniela则是安全与策略部门副总监,走的时候还把GPT-3首席工程师Tom Brown等十几名员工一起带到了Anthropic

导致他们选择出走创业的原因之一,与后续大佬离职的原因基本一致——OpenAI的安全问题。OpenAI在尚未解决安全隐患的情况下就直接发布了GPT-3,引发了他们的不满。

不夸张的说,安全问题成为了各位大佬相继出走的根本原因,也是OpenAI当下存在的最大隐患之一。

高层巨变,又遭遇马斯克控告,OpenAI的未来将何去何从?有人对目前OpenAI的人员离职情况进行了统计,其结果很能说明问题。截至目前,随着Schulman的离职,OpenAI最初11位创始人仅存两席:Sam Altman自己以及语言与代码生成部门负责人Wojciech Zaremba。这样的结果当真应了著名OpenAI爆料人Jimmy Apples的喊话“高层已成空壳,你们快上新吧”。

根据统计,OpenAI已有近75名重要员工离职,有的员工在离职后进行创业,共创立了约30家AI公司。

其中,前研究副总裁Dario Amodei和前安全与政策副总裁Daniela Amodei兄妹创办的Anthropic,估值180亿美元;前首席科学家Ilya Sutskever创办的SSI,估值100亿美元;前工程副总裁David Luan创办Adept AI(被亚马逊收编),估值超10亿美元;前技术负责人Jonas Schneider创办机器人创企Daedalus,估值4000万美元;前研究科学家Aravind Srinivas创办Perplexity.AI,估值估值30亿美元;前技术人员Tim Shi创办AI客服平台Cresta Al,估值16亿美元。当中表现最亮眼,最具有存在感的Anthropic更是成长为OpenAI的头号对手,前司员工的“庇护所”。

或许在很多人眼里,离职这种事不过是家常便话。事实上,对于普通员工而言,离开是为了谋求更好的发展,这或许稀松平常;但对于核心成员,尤其是创始团队而言,离开往往涉及更深层次的原因,即道不同不相为谋。

更要命的是,OpenAI现在不仅要面对人才大量流失的内忧,还不得不面对纷纷扰扰的外患。

就在最近,马斯克被曝出要再战OpenAI——控诉奥特曼“共谋敲诈勒索”,并附上了长达83页的起诉书。

其实,早在7周之前,马斯克突然撤回了针对OpenAI的类似诉讼,且没有做出任何解释。可谁曾想,所谓的撤退是为了更好的进攻。如今,马斯克卷土重来,在北加州联邦法院提起了新诉讼。他状告OpenAI及其CEO Sam Altman,声称他们操纵自己共同创立了这家公司,违反了该公司开发人工智能技术造福人撤退类的创始使命。至此,这两位前合作伙伴的法律战又在公众面前骤然打响了。

看起来,OpenAI和Sam Altman最近的麻烦,是越来越多了。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

AI正在彻底改变打工人的工作方式,以下3种策略可以应用于日常工作

尽管是企业领导,当前也很难明确人工智能(AI)的发展方向。

虽然领导者的任务是在企业中确定明确的AI用例和监管框架,但大多数老板仍在为AI的使用而绞尽脑汁。


假如你是企业老板,该如何面对突如其来的AI技术对员工的冲击?

从一个企业家的角度出发,我们必须在坚定地立足于当下的同时展望未来——并认清AI技术对我们的商业模式、员工体验和用户的实际意义。

这是一项艰巨的任务,需要我们去适应和学习。坦诚面对我们的学习需求,是我们前进的最佳途径。

生成式AI在各行各业的快速引入,不仅在领导者之间,也在员工之间造成了巨大的技能差距,给我们所有人都带来了更大的压力,要求我们迅速提升知识基础,与时俱进。

然而,这种演变并不是自然而然的:62%的员工表示,他们缺乏有效、安全地使用AI的技能,全球只有十分之一的员工认为自己掌握了所需的AI技能。

作为领导者,弥合这一知识鸿沟是我们的当务之急。我们可以做很多事情来指导我们的组织应对各种变化,包括我们现在面临的人工智能。

但是,在AI时代,可持续的技能提升应该是什么样的呢?

下面是将人工智能技术应用于日常的三种策略:

01.为技能提升目标提供充足的资源

新一代AI技能提升既不是一次性的努力,也不是一蹴而就的事情。技术的复杂性和持续演进需要专门的教育途径、持续的学习机会和资金支持。

因此,作为领导者,我们需要为员工提供资源,让他们能够参与学习机会(如技能培训),参加LinkedIn等组织提供的第三方课程,或为需要的技能提升提供学费报销。我们还必须确保所有员工都能获得这些资源,无论员工的日常工作性质如何。

在此基础上,我们可以将记录和分享学习成果的机制制度化,包括建立和普及沟通渠道,激励员工分享反馈、共同学习和发现遗留难题。鼓励围绕学习开展交流和对话,并亲自参与这些讨论,往往能在整个组织中实现更大的创新。

在一个公司,建议将学习和分享融合在一起,例如,每月就相关主题开展学习活动,并鼓励所有人同时参与。

具体来说,可以设定一个主题——比如AI,员工可以选择与个人职责相关的课程,学习新的AI技能,同时还可以加入“学习休息室”,与同事分享想法和挑战。

02.以身作则,带头学习

投入时间了解新兴的生成式AI解决方案及其对企业的影响。这样可以赢得员工的认同,并说明领导者对人工智能如何以实际方式改善运营的愿景。

领导者需要在花费大量时间提高自身技能的同时,也要寻找机会指导他人,让AI的使用成为工作中互动的日常。

此外,考虑举办以解决方案为重点的黑客松或其他有意思的挑战,以培养创造力、跨职能问题解决能力和协作能力。

在可能的情况下,直接通过实际项目的在职实践来激励行动。员工往往身兼数职,因此,无论提升技能多么重要,都很难抽出时间。

在现有的工作量中注入新的学习计划,可以同时满足这两种需求,尤其是对于日程安排繁重的员工而言。

还要与员工进行沟通,比如定期征求团队的反馈意见,以确保满足他们不断变化的职业发展需求,与公司领导的坦诚对话具有重要意义,这可能是更多标准会议(如员工与经理的定期一对一会议)难以实现的。

03.通过正确的数据和技术投资支持技能提升

为了确保员工能够提升AI技能,为他们提供必要的技术、数据和基础设施是至关重要的。与领导者合作,数据管理和技术堆栈进行必要的改进,以支持AI目标的实现。

例如,在快速可靠的连接支持下,人工智能解决方案在数据丰富的环境中表现出色。不要因为数据问题、容量不足或安全问题而影响员工提升技能或推动创新的热情,尤其对于严重依赖数据和计算的行业,如医疗保健、金融、制造、网络基础设施和教育,应迅速采取行动。

随着时间的推移,持续迭代并努力确保AI技术基础设施始终能够胜任任务。新一代人工智能正在不断发展,要跟上这些变化的步伐,就需要采取多方面的方法来提高技能,让AI和数据与员工合作,而不是彼此成为对手。

生成式AI解决方案的影响可能会超越云计算,对我们的组织运营和发展产生更广泛、更持久的影响。

然而,只有当我们掌握了相关技术,并准备好让人工智能成为所有员工日常工作的一部分时,这一未来才会实现。

当前,有效、可持续地使用AI解决方案对一个组织来说是不可避免的,因此,在重视集体、持续学习的公司文化氛围中,通过灵活的AI培训计划来促进公司的成长也尤为关键。

AI技能提升可能会让人感觉与一般的工作日常相去甚远,但这是领导者必须开始重视的一个点,因为人工智能有可能彻底改变我们目前的工作方式。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

英特尔“大地震”!

一场史诗级暴跌,正在全球股市蔓延…刚刚!全球半导体巨头英特尔股价又双叒叕崩了!全球裁员超1.5万人,利润暴跌85%、暂停分红…谁也没想到,那个曾经的芯片龙头、代表着硅谷荣耀的英特尔,如今正面临前所未有的挑战。漫长的PC时代,英特尔一直是PC处理器之王,和微软组建的winter联盟称霸全球市场。


英特尔最新的财报发布后,其股价暴跌超过26%,创下了五十年来最大跌幅,市值跌破千亿美元,一夜回到十多年前。然而,英特尔的阿喀琉斯之踵,还是美国经济增速退步。在多重因素作用下,有关美联储降息的预期几乎在一夜之间骤变,美股彻底“崩”了!三大指数集体暴跌,当然最惨的还是美国科技股,包括英伟达、特斯拉、微软、谷歌、亚马逊、苹果等,全线大跌,市值蒸发1.29万亿美元(约10万亿元)。美股史诗级暴跌背后,是关于美国经济基本面的一大批负面数据;不及预期的经济数据,美股情绪已蔓延开来,更有甚者预言美国或将迎来“2024年大萧条”。

01

英特尔称霸的时代,彻底结束了。二季度英特尔营收同比不增反降1%,三季度指引最高下降11%,净利润亏损16亿美元,英特尔已连续两个季度亏损;英特尔公司宣布100亿美元成本削减计划,计划裁员超15%(约1.5万人)大部分今年内完成;四季度起,英特尔32年来首次暂停派息。

裁员15000人,利润暴跌85%,暂停分红。数据公布后,英特尔暴跌26%!

英特尔最新的财报,是该公司陷入死亡漩涡的又一次急转直下。值得一提的是,英特尔当前的处境并非源于公司的短期战略,而是由于历史性决策所带来的后果。从制造技术的角度来看,英特尔选择了错误的道路,它认为即使在不使用其他公司(尤其是台积电)决定使用的 Deep UV 工具的情况下,也可以保持其技术领先地位。结果,大家看到了,英特尔没能跟上芯片发展的脚步而惨遭市场“罚站”。

芯片如今的重要性人尽皆知,但它的发展史却并不算太长:1947年晶体管在美国被发明,1960—1980年,美、日半导体产业蓬勃发展,1986年美日芯片大战,日本被打的一蹶不振,而美国的芯片企业才得以响誉全球。英特尔就是受益最大的企业之一!上世纪80年代开始,英特尔凭借自创的X86架构一统CPU江湖,无论苹果还是微软系统的电脑,都得用它的CPU,英特尔CPU全球出货量高达数十亿片;后来英特尔又与微软Windows系统组成坚不可摧的Wintel联盟,称霸PC处理器市场。借此强大的CPU优势,英特尔从1991—2017年连续25年稳坐全球半导体一哥宝座。2000年,英特尔以3000亿美元的市值傲立科技浪潮之巅!也正是因为这种君临天下的统治地位,英特尔2019年业绩逆势上扬,营收近720亿美元(约5038亿元),净利润高达210.48亿美元,成为全球收入最高的半导体公司。

02

英特尔CPU称霸全球的20多年中,有无数对手想取而代之,开创GPU处理器的英伟达就是其中一个,也是作战最久、最成功的一个!CPU是速度之王,GPU是存储、计算之王。随着人类进入大数据、AI时代,数据大爆炸后,提前押注AI的英伟达这才打响翻身之战,逐渐走到聚光灯下,并与英特尔CPU正面对决。英特尔创始人曾提出著名的摩尔定律:芯片上可容纳的晶体管数量,每隔18个月将增加一倍,性能也提升一倍。

可惜,黄仁勋比摩尔定律还狠,英伟达的核心战略是产品每6个月升级一次,功能翻一倍。英伟达GPU性能5年提升了25倍,而英特尔挤牙膏式的创新速度,屡遭诟病。英伟达不仅技术迭代速度超越了英特尔,2020年还成功超越英特尔,登顶全美最大芯片企业。随着GPU对决CPU渐获上风,一个崭新的时代开始了,而英特尔自此每况愈下。不仅在全球芯片行业的地位一落千丈,市值也一路下滑。截至2024年8月5日收盘,全球主要芯片巨头中,AMD市值约2182亿美元,台积电市值约7673亿美元,英伟达市值约2.47万亿美元,英特尔市值仅剩约860亿美元,彻底落后于对手。又贵又慢,也怪不得与其深度合作15年的苹果,早在几年前就开始自研电脑芯片了。当年睥睨全球的英特尔,不止错失移动互联网红利、制造工艺被赶超,在其赖以生存的PC处理器领域,也遭到苹果的背叛。2019年末,长期营收增长停止,而英特尔继续交出丰厚的业绩,在挤奶的同时让所有人满意。2022年,这头牛病了,很难为英特尔提供必要的营养。当然,在近两年的人工智能浪潮中,英特尔鲜有亮眼表现,也是导致投资者信心下降、股价暴跌的原因之一。

03

难以想象,这样一个曾经在技术创新上不可一世的巨头,似乎在一步步走向自己的“落幕”!为了扭转颓势,英特尔已经开始节衣缩食。英特尔表示,裁员、减缓新工厂开支以及其他缩减开支措施将导致今年节省30亿美元。到2025年底,这一数字将增至每年100亿美元。其实,裁员已经是美科技巨头近些年应对增速放缓惯用的伎俩罢了!过去一年,AI大模型如火如荼的发展,让所有人憧憬着美好未来。没想到2024年的开启,却是硅谷大裁员:亚马逊开启历史上最大规模裁员,被裁员工高达1.8万人;Meta裁员11000人、微软被曝将裁员10000人、云计算巨头Salesforce裁员7000人、特斯拉裁员6000人、推特裁员3700人等。据统计,美国科技行业2022年累计削减岗位高达9.7万个,创20年来最高。全球通胀、低利率的便宜钱消失,美联储持续加息波及到美国高科技行业,曾被放水推上高位的美国科技股泡沫开始破裂,超级巨头也无法幸免。谁又能想到,曾经风光无限的硅谷精英们,如今陷入了前所未有的焦虑与恐慌中!更值得一提的是,除了科技巨头外,裁员潮已蔓延至美国的各行各业。可以预见,随着人工智能的热潮,美国人工需求下滑已经是不可逆转的残酷事实!而与之恰恰相反的是,大家如今都卯足了劲向前冲,在国外巨头们疲软之际,中国企业们的机会来了!

04

美股遭遇史诗级暴跌,一场席卷全球的风暴来袭?美股财报季,雷声不断。上周,英特尔、亚马逊、ARM令人失望的季度业绩以及微软、英伟达股价表现不佳引发市场担忧。这些利空让科技板块继续成为下半年以来表现最差的行业,半导体指数近一个月重挫23%,创近四个月新低。8月5日晚,美股刚开盘,三大指数就集体暴跌,纳指跌超6%,标普500也跌超4%,道琼斯指数跌幅较小,但也有2.58%。跌得最惨的当属美股“七巨头”,苹果跌9.6%,微软跌4.8%,英伟达跌14.3%,谷歌跌6.5%,亚马逊超8%,特斯拉跌超10.85%,meta股价下跌7%;通过计算,上述7家科技企业总市值减少了1.29万亿美元,其中,苹果大跌3210亿美元,英伟达大减3780亿美元。美国大型科技股的估值水平过高已成为市场共识,甚至有业内人士称,“美股‘科技七雄’未来或许不再是可以实现利润增长的几家公司。外界对推动股市屡创新高的人工智能也产生质疑,美国头部科技公司的巨额AI投入,到底是“未来投资”,还是要股东买单的“账单”?每次狂欢结束后,泡沫大、业绩又差的必然崩盘最快,这次美股科技股几乎全线下跌,虽说是受到了多重因素的影响,但更大的担忧来自于美国经济基本面的负面信号。8月2日数据显示,美国7月非农部门新增就业人数11.4万,远低于市场预期;反映工厂活动的ISM制造业指数低于预期,首次申领失业救济人数创2023年8月以来新高;失业率上升至4.3%,为近三年来最高水平,超过预期的4.1%,触发了萨姆法则的经济衰退警报。一时间,对美国经济即将陷入衰退的恐慌情绪席卷市场,美股大跌“崩盘”理所当然,只是可惜最终“买单”的是股民和被裁员的“打工人”。

对普通人而言,不断学习保持竞争力,才是应对未来变化最好的武器!而科技公司只有不断打破技术壁垒,才能建立深厚的护城河。放眼未来,一日千里的科技必将推动人类文明驶向新纪元。在此进程中,不论商业帝国还是渺小个体,不懂未雨绸缪更新迭代,必将被无情淘汰!!!

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

买不到GPU,马斯克自曝AI巨兽Dojo!自研超算挑战英伟达,约等于8千块H100

文章来源:新智元

【导读】多年来,马斯克一直在公开谈论Dojo——这台超算将成为特斯拉人工智能雄心的基石。他最近表示,随着特斯拉准备在10月推出Robotaxi,AI团队将「加倍投入」Dojo。


为了训出最强Grok 3,xAI耗时19天,打造了由10万块H100组成的世界最大超算集群。

而在训练FSD、擎天柱机器人方面,马斯克同样不惜重金,投入了大量的计算资源。

超算Dojo,是特斯拉AI的基石,专为训练FSD神经网络而打造。

就在今天,他在德州超级工厂(Cortex)参观了特斯拉的超级计算机集群。

马斯克称,「这将是一个拥有约10万个H100/H200 GPU,并配备大规模存储的系统,用于全自动驾驶(FSD)和Optimus机器人的视频训练」。

不仅如此,除了英伟达GPU,这个超算集群中还配备了特斯拉HW4、AI5、Dojo系统。

它们将由一个高达500兆瓦的大型系统提供电力和冷却。

2021年特斯拉AI Day上,马斯克首次对外宣布Dojo。

如今三年过去了,Dojo建得怎样了?

8000块H100等价算力,加倍下注

半个月前,网友称2024年年底,特斯拉拥有AI训练算力,等价于9万块H100的性能。

马斯克对此做了一些补充:

我们在AI训练系统中不仅使用英伟达的GPU,还使用自己的AI计算机——Tesla HW4 AI(更名为AI4),比例大约为1:2。
这意味着相当于有大约9万个H100,加上大约4万个AI4计算机。

完整文章链接

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

ChatGPT架构师突然离职!OpenAI为什么总留不住大佬和高手?

8月6日,OpenAI内部再次传出人员大地震的消息。
根据Information的消息,OpenAI的联合创始人John Schulman突然官宣离职,而他要跳槽去的地方正是OpenAI的老冤家老对手——Anthropic。


与此同时,另一位联合创始人Greg Brockman对外宣布,要进行所谓的“长期休假”;而去年才加入的产品负责人Peter Deng也已经离职。

不难看出,OpenAI再次迎来了人员巨变。

初期元老接连出走,OpenAI的领导层是否已成为了空壳?
事实上,Schulman在OpenAI建立和运营过程中所起到的作用是至关重要的,是名副其实的元老级人物。

早在2015年还在读博士的时候,Schulman便与OpenAI的结缘,以创始人身份正式加入OpenAI,并成为ChatGPT的架构师。至今,他已在OpenAI供职9年。值得一提的是,这是Schulman除实习之外,唯一工作的公司。之前,他负责的是对齐团队,随后他开始主要领导“后训练”团队,对部署在ChatGPT和OpenAI API中的模型进行微调。

2017年,Schulman在OpenAI任职期间,他和团队首次提出了近端策略优化(PPO)算法,其变体PPO-Clip成为了OpenAI使用的主要算法。

现如今,Schulman已经做出离开OpenAI的决定,并且正式入职素有OpenAI劲敌之称的Anthropic公司。据悉,在Anthropic,Schulman将专注于AI对齐研究,投入到实际的技术工作。
在做出离职决定之后,Schulman发布了官宣长文。他在文章中表示,“需要明确的是,我并不是因为OpenAI缺乏对对齐研究的支持而离开。相反,公司领导在这个领域投入了很多精力。我的决定是个人的,基于我在职业生涯下一阶段中希望如何集中精力”。

对于Schulman的离职,OpenAI的CEO Sam Altman也很体面的表示了尊重和理解,并对Schulman在OpenAI期间做出的贡献表示了感谢。

留不住大佬们的心,也留不住大佬们的人,OpenAI到底触犯了怎样的众怒?
超级对齐的领导人Ilya Sustkever的离职,也才发生在今年5月,当时接管Ilya工作的正是Schulman。如今,不过两个多月的事件,Schulman也选择了“离家出走”。
这不免让人唏嘘不已。
耐人寻味的是,几乎在同一时刻,OpenAI的总裁Greg Brockman宣布将开始休长假,直到年底。所以,他将缺席OpenAI计划于10月1日起在全球各地举办的开发者日等活动。Brockman发文表示,这是其在连续工作了9年之后的第一次放松。可对于休假之后的计划,他说的很是模糊。也正因此,网友对此有了各种各样的猜测。
OpenAI人才持续流失的速度的确是相当快。
今年5月,超级对齐团队的两名负责人——首席科学家Ilya Sutskever和RLHF发明者之一Jan Leike,在同一天内相继离开OpenAI。究其原因,是因为他们在AI安全方面的理念与Sam Altman存在着严重不合。彼时,距离超级对齐团队的成立,过去还不到一年。

Jan Leike在离开之后更是选择与OpenAI和Sam Altman直接开撕。他连发十几条推文,对着OpenAI疯狂炮轰,控诉其没有兑现20%算力的承诺,并且对安全的重视程度远不及产品。后来,Jan Leike选择加入了OpenAI的竞争对手Anthropic,继续进行超级对齐的研究。

无独有偶,在GPT-4项目上与Jan Leike共同领导对齐工作的Ryan Lowe,也在3月底的时候离开了OpenAI。还有超级对齐成员之一William Saunders,以及参与过GPT-4对抗性测试的Daniel Kokotajlo,也都从OpenAI离职。

如今,Schulman也选择了离开,尽管相较于Jan Leike,Schulman的离职还算体面,并没有对老东家进行公开的指责。但从他离职后直接加入了OpenAI劲敌Anthropic的选择来看,这背后的故事想必也是暗流涌动的。

而大家纷纷选择跳槽的Anthropic更是不必多说。Anthropic的创始人Dario Amodei和Daniela Amodei是兄妹,也是实打实的“OpenAI出身”。哥哥Dario离开前是OpenAI的研究副总裁,妹妹Daniela则是安全与策略部门副总监,走的时候还把GPT-3首席工程师Tom Brown等十几名员工一起带到了Anthropic
导致他们选择出走创业的原因之一,与后续大佬离职的原因基本一致——OpenAI的安全问题。OpenAI在尚未解决安全隐患的情况下就直接发布了GPT-3,引发了他们的不满。
不夸张的说,安全问题成为了各位大佬相继出走的根本原因,也是OpenAI当下存在的最大隐患之一。

高层巨变,又遭遇马斯克控告,OpenAI的未来将何去何从?
有人对目前OpenAI的人员离职情况进行了统计,其结果很能说明问题。
截至目前,随着Schulman的离职,OpenAI最初11位创始人仅存两席:Sam Altman自己以及语言与代码生成部门负责人Wojciech Zaremba。这样的结果当真应了著名OpenAI爆料人Jimmy Apples的喊话“高层已成空壳,你们快上新吧”。

根据统计,OpenAI已有近75名重要员工离职,有的员工在离职后进行创业,共创立了约30家AI公司。

其中,前研究副总裁Dario Amodei和前安全与政策副总裁Daniela Amodei兄妹创办的Anthropic,估值180亿美元;前首席科学家Ilya Sutskever创办的SSI,估值100亿美元;前工程副总裁David Luan创办Adept AI(被亚马逊收编),估值超10亿美元;前技术负责人Jonas Schneider创办机器人创企Daedalus,估值4000万美元;前研究科学家Aravind Srinivas创办Perplexity.AI,估值估值30亿美元;前技术人员Tim Shi创办AI客服平台Cresta Al,估值16亿美元。当中表现最亮眼,最具有存在感的Anthropic更是成长为OpenAI的头号对手,前司员工的“庇护所”。

或许在很多人眼里,离职这种事不过是家常便话。事实上,对于普通员工而言,离开是为了谋求更好的发展,这或许稀松平常;但对于核心成员,尤其是创始团队而言,离开往往涉及更深层次的原因,即道不同不相为谋。

更要命的是,OpenAI现在不仅要面对人才大量流失的内忧,还不得不面对纷纷扰扰的外患。
就在最近,马斯克被曝出要再战OpenAI——控诉奥特曼“共谋敲诈勒索”,并附上了长达83页的起诉书。

其实,早在7周之前,马斯克突然撤回了针对OpenAI的类似诉讼,且没有做出任何解释。可谁曾想,所谓的撤退是为了更好的进攻。如今,马斯克卷土重来,在北加州联邦法院提起了新诉讼。他状告OpenAI及其CEO Sam Altman,声称他们操纵自己共同创立了这家公司,违反了该公司开发人工智能技术造福人撤退类的创始使命。至此,这两位前合作伙伴的法律战又在公众面前骤然打响了。

看起来,OpenAI和Sam Altman最近的麻烦,是越来越多了。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

买不到GPU,马斯克自曝AI巨兽Dojo!自研超算挑战英伟达,约等于8千块H100

文章来源:新智元

【导读】多年来,马斯克一直在公开谈论Dojo——这台超算将成为特斯拉人工智能雄心的基石。他最近表示,随着特斯拉准备在10月推出Robotaxi,AI团队将「加倍投入」Dojo。


为了训出最强Grok 3,xAI耗时19天,打造了由10万块H100组成的世界最大超算集群。而在训练FSD、擎天柱机器人方面,马斯克同样不惜重金,投入了大量的计算资源。

超算Dojo,是特斯拉AI的基石,专为训练FSD神经网络而打造。就在今天,他在德州超级工厂(Cortex)参观了特斯拉的超级计算机集群。马斯克称,「这将是一个拥有约10万个H100/H200 GPU,并配备大规模存储的系统,用于全自动驾驶(FSD)和Optimus机器人的视频训练」。

不仅如此,除了英伟达GPU,这个超算集群中还配备了特斯拉HW4、AI5、Dojo系统。它们将由一个高达500兆瓦的大型系统提供电力和冷却。

2021年特斯拉AI Day上,马斯克首次对外宣布Dojo。如今三年过去了,Dojo建得怎样了?

8000块H100等价算力,加倍下注

半个月前,网友称2024年年底,特斯拉拥有AI训练算力,等价于9万块H100的性能。马斯克对此做了一些补充:

我们在AI训练系统中不仅使用英伟达的GPU,还使用自己的AI计算机——Tesla HW4 AI(更名为AI4),比例大约为1:2。这意味着相当于有大约9万个H100,加上大约4万个AI4计算机。

他还提到,到今年年底,Dojo 1将拥有大约8000个相当于H100算力。这个规模不算庞大,但也不算小。

Dojo D1超算集群

其实在去年6月,马斯克曾透露Dojo已经在线并运行了几个月的有用任务。这已经暗示着,Dojo已经投入到一些任务的训练中。

最近,在特斯拉财报会议上,马斯克表示特斯拉准备在10月推出自动驾驶出租车,AI团队将「加倍投入」Dojo。

预计Dojo的总计算能力,将在2024年10月达到100 exaflops。假设一个D1芯片可以实现362 teraflops,要达到100 exaflops,特斯拉将需要超过27.6万个D1芯片,或者超过32万英伟达A100 GPU。

参考资料:
- TechCrunch: Tesla Dojo: Elon Musk’s Big Plan to Build an AI Supercomputer Explained
- Tom’s Hardware: Tesla’s Dojo System-On-Wafer is in Production, A Serious Processor for Serious AI Workloads

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Nature子刊,北大团队通用AI框架对蛋白-蛋白对接进行综合结构预测,弥合实验与计算的差距

蛋白质复合物结构预测在药物研发、抗体设计等应用中发挥着重要作用,然而由于预测精度有限,预测结果与实验结果经常出现不一致。
北京大学、昌平实验室以及哈佛大学的研究团队提出了 ColabDock,这是一个通用框架,它采用深度学习结构预测模型来整合不同形式和来源的实验约束,而无需进一步进行大规模的再训练或微调。


ColabDock 的表现优于使用 AlphaFold 2 作为结构预测模型的 HADDOCK 和 ClusPro,不止在具有模拟残基和表面限制的复杂结构预测中,在借助核磁共振化学位移扰动以及共价标记进行的结构预测中也是如此。
另外,它还可以通过模拟界面扫描限制来帮助抗体-抗原界面预测。
该研究以「Integrated structure prediction of protein–protein docking with experimental restraints using ColabDock」为题,于 2024 年 8 月 5 日发布在《Nature Machine Intelligence》。
蛋白质对接为理解生物机制提供了重要的结构信息。尽管深度模型在蛋白质结构预测方面发展迅速,但大多数模型都是以自由对接的方式进行预测,这可能会导致实验约束与预测结构不一致。
为了解决这个问题,北京大学、昌平实验室等机构的研究团队提出了用于受限复合物构象预测的通用框架——ColabDock,它是一个由稀疏实验约束引导的蛋白质-蛋白质对接的通用框架。
通过梯度反向传播,该方法有效地整合了实验约束的先验和数据驱动的蛋白质结构预测模型的能量景观,自动搜索满足两者的构象,同时容忍约束中的冲突或模糊性。
ColabDock 可以利用不同形式和来源的实验约束,而无需进一步进行大规模重新训练或微调。
该框架包含两个阶段:生成阶段和预测阶段。
在生成阶段,ColabDock 采用了基于 AlphaFold 2 开发的蛋白质设计框架 ColabDesign。在 logit 空间中优化输入序列配置文件,以指导结构预测模型根据给定的实验约束和模板生成复杂结构,同时最大化 pLDDT 和 pAE 测量。
在预测阶段,根据生成的复合物结构和给定的模板预测结构。对于每个目标,ColabDock 会执行多次运行并生成不同的构象。最终构象由排序支持向量机 (SVM) 算法选择。
性能稳健
作为概念验证,研究人员采用 AlphaFold 2 作为 ColabDock 中的结构预测模型。当然,这里也可以使用其他数据驱动的深度学习模型,例如 RoseTTAFold2 和 AF-Multimer。
研究人员用合成数据集和几种类型的实验约束上测试 ColabDock,包括 NMR 化学位移扰动 (CSP)、共价标记 (CL) 和模拟深度突变扫描 (DMS)。
ColabDock 评估了两种类型的约束,即 1v1 和 MvN 约束。前者是残基-残基级别的,实例包括来自 XL-MS 的约束。后者是界面级别的,与 NMR 和 CL 实验有关。
在合成数据集上的测试结果表明 ColabDock 取得了令人满意的性能。此外,正如预期的那样,随着约束数量的增加,ColabDock 的性能也得到了提高。
即使只有很少的限制,ColabDock 在基准数据集和相同的框架设置上的表现也优于 AF-Multimer,并且在提供更多限制的情况下收敛到更少的构象,表明有效应用了附加信息。
与 HADDOCK 和 ClusPro 相比,当约束质量较高时,ColabDock 的表现更为突出。在两个实验数据集上,无论提供的约束数量和质量如何,ColabDock 的表现仍然优于 HADDOCK 和 ClusPro。
这表明 ColabDock 在抗体设计方面具有潜在的应用价值。并且,在新发布的无偏数据集上,ColabDock 仍然表现出与 AF-Multimer 相当甚至更好的性能。
局限性与结语
ColabDock 也存在一些局限性。目前,ColabDock 只能接受距离小于 22 Å 的限制,这是由 AlphaFold 2 中距离图的上限决定的。这一限制使得该模型仅适用于一小部分 XL-MS 试剂。
如果没有基于片段的优化,ColabDock 只能在 NVIDIA A100 图形处理单元 (GPU) 上处理少于 1,200 个残基的复合物,因为内存有限。
此外,该方法可能非常耗时,尤其是对于大型蛋白质复合物。使用 AlphaFold 2 的 bfloat16 浮点格式版本有望帮助节省内存并加速计算。
相信未来,研究人员迭代优化之后,作为一个统一的框架,ColabDock 必将能够帮助弥合实验和计算蛋白质科学之间的差距。
论文链接:https://www.nature.com/articles/s42256-024-00873-z



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

泄露!Apple Intelligence提示词原来是这样,还告诉大模型:别幻觉

从泄露的信息来看 ,Apple Intelligence 背后的提示语还是挺简单的。
当苹果的 Apple Intelligence 还未完全开放体验时,其提示词就已经曝光了。


苹果如何指挥 AI 干活,这次被泄露的非常彻底。
我们就拿邮件来说,借助 AI,收发及回复邮件变得非常简单,但背后的逻辑是内置提示词在拿捏。
比如下面这样,AI 在帮助人类回复邮件时,已经提前规定好了字数等限制。
暴露的提示语是这样的:「 你是一个可以帮助识别给定邮件和简短回复相关问题的邮件助手。给定邮件和回复片段,提出邮件中明确提出的相关问题。收件人将选择这些问题的答案,这将有助于减少撰写回复时的幻觉。请输出最佳问题及每个问题的可能答案 / 选项。不要问回复片段中已经回答的问题。问题应简短,不超过 8 个字。答案也应简短,约 2 个字。请以 JSON 格式输出,包含一个字典列表,每个字典包含问题和答案作为键。如果邮件中没有提出问题,则输出一个空列表 []。只输出有效的 JSON 和其他内容。 」

在接下来曝光的提示语中,还是关于邮件的。值得注意的是「不要幻觉。不要捏造事实信息。」这样的规则已经被苹果强制加载到咒语里了。虽然苹果提前设置了防护栏,但效果到底如何还是一个未知数。
提示词显示内容为「你是一个帮助用户回复邮件的助手。请根据提供的回复片段起草一个简洁自然的回复。请将回复限制在 50 个字以内。不要幻觉。不要捏造事实信息。保持输入邮件的语气。」

下面这个简短的提示语提醒 Apple Intelligence 在 3 句话内总结提供的邮件,总字数不超过 60 个字。不要回答邮件中的任何问题。
除了关于邮件方面,还陆续曝光了其他方面的提示词。
这应该是让 Apple Photo 生成「回忆」视频的指令。没有想到,发布会后大家最期待的功能之一,实现起来竟然如此简单,和我们平时差遣 AI 所用的 prompt 也没有很大差距。
这个 prompt 对 Apple Intelligence 做出了如下要求:

这是一个用户和智能助手之间的对话,用户要求智能助手根据他们的照片编出一个故事
按照以下顺序用 JSON 格式回应,要求包含以下键和值: 

  • traits:字符串列表,从照片中选出视觉主题
  • story:章节列表,如下定义
  • cover:字符串,为封面照片提供说明
  • tilte:字符串,故事标题 
  • subtitle:字符串,更安全版本的标题 
    每个章节是一个 JSON 对象,按顺序包含以下键和值: 
  • chapter:字符串,章节的标题 
  • fallback:字符串,为概括章节主题的照片提供
  • shots:字符串列表,描述章节中照片的内容
    以下是你必须遵守的故事指南: 
  • 故事应该紧密对应用户的需求 
  • 故事应该包含清晰的情节 
  • 故事应该是多样化的,即不要过分关注某个…

来源:The Verge
参考链接:Reddit

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB