芯片半导体

DeepSeek 可能会带火中国的芯片行业，让中国芯片进入一个超速发展时期：DeepSeek V3 从一开始就能在华为的 昇腾 Ascend 芯片上跑推理。华为的 910C 芯片（能匹配英伟达的 H100 ）既可以用来训练，也能用来推理。 英伟达厉

中国消费级 GPU 制造商现已开始支持在本地系统上运行 DeepSeek 的 R1 LLM 模型，加入全球 AI 竞赛。 你的下一个家庭AI实验室可能有 48GB 的​​中国卡。

DeepSeek R1 Distilled Reasoning 模型通过“思路链推理”来仔细分析复杂的问题。它们不会马上给出答案，而是先花时间生成一系列的“思考”步骤，这通常需要内部处理几百甚至几千个标记。这种方法让模型在给出最终答案之前，能够评估各种可能性。虽然这会增加一些等待时间，但通常

DeepSeek 的出现是否意味着前沿 LLM 开发不再需要大规模 GPU 集群？ 简单来说：不是的。虽然 DeepSeek 的 V3 模型通过一些非常厉害的优化技术，让 GPU 的使用效率变得更高了，但这并不意味着像 Google、OpenAI、Meta

1865年，威廉·杰文斯发现，尽管蒸汽机效率提升，英国的煤炭消耗却呈指数级增长。这一现象被称为“杰文斯悖论”：技术进步并未减少资源消耗，反而因应用范围扩大而增加了需求。类似的情况可能正在NVIDIA身上上演。尽管AI模型如DeepSeek-R1的效率不断提升，但这未

英伟达新博客文章：LLM生成的GPU内核显示了FlexAttention的加速。前有DeepSeek极端榨取英伟达GPU硬件性能被曝光，英伟达反其道，用DeepSee

DeepSeek极端榨取硬件性能，看起来不同寻常！推理和训练之间最大的区别之一是通信需求。 1、对于推理：芯片之间不需要太多通信。你可以把它想象成普通的

AI智能三个发展规律：资源驱动、成本骤降、经济价值飙升。 OpenAI山姆奥特曼最近认为：工智能的规模定律将保持不变，“没有理由在不久的将来停止指数级增加投资”！ 1. AI智能与资源的关

从破解CUDA到端侧推理模型，DeepSeek如何颠覆AI领域，挑战科技巨头垄断？ 1、为何DeepSeek能破解CUDA？据传：英伟达只是限制了GPU的硬件功能，但它的软件CUDA并没有改。所以，当DeepSee

上周五下午，杰弗里·伊曼纽尔在布鲁克林的家里开始写一篇博客。他坐在电脑前敲了好几

英伟达股价周一下跌17%，原因是投资者担心这家中国公司与OpenAI等竞争对手相比，使用的英伟达芯片远少于美国公司。但DeepSeek周一也在努力适应新用户的涌入，数次出现网络瘫痪，无法访问。 英伟达达周一表示，中国的人工智能公司DeepSeek的进步证明

这篇文字主要讲述了公司在构建公共云服务过程中，对GPU支持的探索和挑战。公司最初投入大量资金，押注于为AI/ML推理任务提供GPU支持，并创建了Fly GPU Machines。然而，尽管GPU在AI/ML领域的重要性被正确判断，但公司发现其产品可能并不适合当前市场需求，尤其是开发者更倾向于

Apple 用自己玩游戏的方式造出了一些特别厉害的自动驾驶汽车“大脑”：……自动驾驶的未来可以通过模拟和现实世界的数据来实现…… Apple 的研究人员完全通过自己玩游戏的方式训练了一些聪明的

Majorana 1：世界上第一个由拓扑核心驱动的量子处理单元 (QPU)，设计用于在单个芯片上扩展到一百万个量子比特。

如果训练人工智能的成本降低了，那么投资人工智能的回报就会更高。 对于那些在科技、工业、公用事业和能源领域已经因为“人工智能基础设施