AWS首席执行官Matt Garman表示:“人们可能喜欢这样说:‘你有其他合作伙伴,他们有自己的芯片,你怎么可能做自己的芯片呢?’事实证明,客户喜欢选择。”
亚马逊网络服务公司(AWS)首席执行官Matt Garman看好公司在自制硅芯片领域的前景,因为 AWS计划凭借其庞大的基础设施布局,以其“控制”整个流程的独特能力,在半导体行业“疯狂优化”。
Garman在周一举行的高盛社区与技术会议上表示:“人们喜欢这样一种说法:‘你有其他合作伙伴,他们有自己的芯片,你怎么可能做自己的芯片呢?’事实证明,客户喜欢选择。”
拥有自己的芯片组可以从多方面帮助AWS客户——从提高性能到降低碳足迹,例如新的 Graviton4 处理器。
早在2006年就进入AWS的Garman表示:“Graviton4绝对优于其他最好的x86处理器,而价格却低20%。因此,我们的许多客户在使用Graviton的过程中,性能价格提高了40%至50%,同时还降低了能耗,改善了碳足迹。”“这是因为我们控制了整个过程。”
Garman表示:“我们制造这些处理器不是为了在通用环境中运行。它们将完全运行在我们的服务器中,完全运行在我们的数据中心中,完全使用我们的网络堆栈,因此我们可以为我们的客户进行优化。”“我们可以围绕这一点进行疯狂的优化,而且我们有一支非常优秀的团队正在制造这些芯片。”
Garman表示,AWS 最初决定在内部构建定制芯片,是为了通过Nitro 支持其虚拟化技术,并能够决定客户的成本。Garman表示:“这意味着我们不必从第三方购买这些芯片,从而降低了成本。”
AWS 是运行英伟达、英特尔和 AMD处理器的最佳场所
这家总部位于西雅图的云计算巨头十多年来一直致力于针对云计算和存储密集型工作负载设计优化的定制芯片。大约五年前,Garman表示,AWS将注意力转向了创建AI处理器,如AWS Inferentia机器学习芯片和用于训练深度学习模型的Trainium ML处理器。
Garman表示:“我们认为,在一些用例中,我们自己的定制处理器可以帮助客户节省成本。”
不过,Garman指出,AWS正在与英特尔、AMD和英伟达等全球最具创新力和规模最大的芯片制造商合作。
AWS 首席执行官表示:“我们坚信,AWS 绝对是运行英特尔、AMD 和英伟达处理器的最佳场所,而且我们认为,我们还可以通过提供自己的处理器来提供一些差异化功能。”
Garman特别强调,英伟达是AWS的全明星处理器供应商,双方建立了超级紧密的合作伙伴关系。他表示:“我们正在超级紧密地合作,为他们构建一个巨大的人工智能基础设施来构建他们自己的模型,并在AWS内部运行他们自己的测试用例。”“因为他们意识到,我们拥有最好的运行环境和最佳性能,可以运行他们自己的服务器。因此,我们之间有着很好的合作关系。”
并非所有的工作负载都更适合在AWS上运行
Garman明确表示,AWS将继续投资于自己的硅芯片创新,并与其他市场领导者建立密切的市场推广和集成合作关系。
Garman表示:“并非所有的工作负载都能在我们自己的处理器上更好地运行,但我们非常看好这方面的机会。Trainium是我们最新推出的芯片,它非常侧重于这些人工智能模型的大规模训练集群。”
AWS计划在今年年底前推出新的 Trainium2 处理器。
Garman表示:“我们对这个平台感到无比兴奋。我们认为,我们有机会在提高性能的同时,积极为客户降低成本。”“在很长一段时间内,客户将有多种处理器可供选择,我们认为更多的选择对客户来说更好。”
好文章,需要你的鼓励
许多CIO在实施AI战略时因良好初衷反而导致失败。专家指出,仅为AI而做AI会浪费资金且无实际成果,应先评估业务价值。CIO常见错误包括:让风险规避型利益相关者施加过度限制、仅依赖现成AI工具而不深度整合、在人员和流程问题未解决时强推技术转型。成功的关键是确保AI解决方案真正节省时间并带来业务价值,需要有权威的负责人推动决策,同时不惧怕小规模试错,快速迭代改进。
谷歌研究院开发出一种革命性的人工智能技术,通过学习人类眼动轨迹来提升视觉问答能力。该技术像训练侦探一样教会AI关注图像中的关键区域,准确率提升3-10%。研究发表于CVPR 2024,在教育、医疗、无人驾驶等领域具有广阔应用前景,为AI向人类智慧靠近开辟了新路径。
Kahoot是一个基于游戏的学习平台,涵盖科学、历史、地理、英语和数学等领域。该平台于2023年推出AI功能,AI生成器可从主题、文档、网站或视频链接即时创建互动学习体验,帮助教师减少备课时间,让学习更具吸引力和个性化。平台支持50种语言,拥有120亿用户,还提供翻译工具和AI驱动的学习推荐功能。
英国卡迪夫大学研究团队通过脑电图技术发现,当人们体验虚假听觉(即"听到"实际不存在的语音)时,大脑的神经活动模式与听到真实声音时几乎相同。研究揭示了大脑会根据语言经验和上下文自动"填补"缺失的语音片段,这一发现对理解听觉障碍、改进助听设备以及开发更智能的语音识别系统具有重要意义。