今日要聞：

1、華爾街都低估了生成式AI的跨行業(yè)需求，英偉達Q2業(yè)績(jì)指引超華爾街預期53%，AI超級計算系統將為英偉達帶來(lái)更多超額收益；

(資料圖片)

2、英特爾公布Aurora genAI大模型，參數是ChaGPT的近6倍，多規格參數模型是平衡成本和效率的“最優(yōu)解”；

3、Meta又開(kāi)源一個(gè)多語(yǔ)種語(yǔ)音大模型MMS，能識別4千種語(yǔ)言，生成1千種語(yǔ)音；

4、斯坦福等學(xué)者發(fā)布機器視覺(jué)跟蹤重大突破，SiamMAE能節省高昂費用；

見(jiàn)聞視角

1、華爾街都低估了生成式AI的跨行業(yè)需求，AI超級計算系統將為英偉達帶來(lái)更多超額收益。

英偉達Q1財報大超預期成為今日矚目焦點(diǎn)，更重要的是Q2的業(yè)績(jì)指引將成為該公司有史以來(lái)最高的季度營(yíng)收，超過(guò)華爾街預期的53.2%。

英業(yè)達業(yè)績(jì)超預期背后，最大的貢獻來(lái)自于四大業(yè)務(wù)中的數據中心業(yè)務(wù)，收入創(chuàng )歷史新高，達到42.8億美元，同比增長(cháng)14%，環(huán)比增長(cháng)18%。此外汽車(chē)業(yè)務(wù)雖然占比較小，但也達到了同環(huán)比的增長(cháng)速度。而游戲和專(zhuān)業(yè)可視化的需求顯然還沒(méi)有恢復到去年同期水平。

見(jiàn)智研究認為：市場(chǎng)遠遠低估了生成式AI需求，AI超級計算系統將為英偉達帶來(lái)更多超額收益。

英偉達數據中心收入激增主要是由于生成式AI和大語(yǔ)言模型的需求不斷增長(cháng)，從而帶動(dòng)公司基于Hopper和Ampere架構的GPU需求超預期。目前數據中心產(chǎn)品需求能見(jiàn)度延長(cháng)了幾個(gè)季度之多，在下半年H100的供應量還將會(huì )進(jìn)一步增長(cháng)。

從客戶(hù)需求來(lái)看：云計算服務(wù)供應商、消費者網(wǎng)絡(luò )公司以及企業(yè)客戶(hù)都希望盡快將生成式AI套用到現有業(yè)務(wù)中。而根據訂單排期的情況來(lái)看，GPU全年都將呈現供不應求的局面。因而預計英偉達的收入會(huì )持續受益于生成式AI所帶動(dòng)的數據中心業(yè)務(wù)增長(cháng)。

生成式AI對于更個(gè)行業(yè)來(lái)說(shuō)是顛覆性的存在，并且處于從無(wú)到有的起步階段，能夠創(chuàng )造的價(jià)值空間想象力非常大。

根據Gartner預測到2025年，使用生成式AI技術(shù)系統研發(fā)的新藥和材料比例將從現在的0%上升到30%+上，而這只是其眾多行業(yè)用例之一。此外，生成式AI技術(shù)還在芯片、零件設計、合成數據等眾多領(lǐng)域帶來(lái)全新的價(jià)值。

值得關(guān)注的是，生成式AI正在推動(dòng)計算需求呈現指數級增長(cháng)，并快速過(guò)渡到英偉達的加速計算。公司也表示將開(kāi)始銷(xiāo)售AI超級計算系統給支付更多溢價(jià)的科技公司。

目前英偉達具有高性能網(wǎng)絡(luò )方面的條件優(yōu)勢，并且在計算結構、內存調用、以及通信效率和速度方面做進(jìn)一步的優(yōu)化，同時(shí)會(huì )提高對高性能交換機、光模塊以及光線(xiàn)的需求。

2、英特爾公布AI大模型Aurora genAI，參數是ChatGPT的近6倍，多規格參數模型是平衡成本和效率的“最優(yōu)解”。

英特爾公布了旗下生成式AI大模型Aurora genAI，該模型參數量高達1萬(wàn)億，是ChatGPT的近6倍（參數量1750 億），依賴(lài)于Megatron和DeepSpeed框架，這些結構增強了模型的強度和容量。

Aurora genAI模型是一個(gè)純粹以科學(xué)為中心的生成式AI模型，主要用于科研；運行在英特爾為阿拉貢國家實(shí)驗室開(kāi)發(fā)的Aurora超算上，其性能達到了200億億次，是當前TOP500超算冠軍Frontier的2倍。

見(jiàn)智研究認為：作為ChatGPT的有力競爭者，Aurora genAI的公布預示著(zhù)AI大模型賽道又迎來(lái)了新的重磅玩家，并極有可能在未來(lái)對各種科學(xué)領(lǐng)域產(chǎn)生重大影響。

同樣值得關(guān)注的是，LLM模型的研發(fā)會(huì )持續在擴大訓練參數上內卷，但是越大體量模型的運行必然會(huì )產(chǎn)生更高的成本，當前如何在有效需求和成本之間的平衡成為大模型開(kāi)發(fā)商值得重點(diǎn)關(guān)注的問(wèn)題，要防止模型在應用時(shí)由于參數冗余而產(chǎn)生不必要的運行成本，所以大模型開(kāi)發(fā)商推出多元化參數模型用于專(zhuān)項領(lǐng)域會(huì )成為必然的發(fā)展路徑。

AI快訊

1、Meta又開(kāi)源一個(gè)多語(yǔ)種語(yǔ)音大模型MMS，能識別4千種語(yǔ)言

Meta在GitHub上再次開(kāi)源了一款全新的AI語(yǔ)言模型——Massively Multilingual Speech (MMS，大規模多語(yǔ)種語(yǔ)音)，這款新的語(yǔ)言模型可以識別4000多種口頭語(yǔ)言并生成1100多種語(yǔ)音（文本到語(yǔ)音）。上線(xiàn)短短的幾個(gè)小時(shí)，在GitHub庫便收獲了23kStar，Fork數量高達5.5k。

Meta被看作大模型研發(fā)的一大黑馬，是開(kāi)源大模型的鼻祖，此前發(fā)布的LLaMA是被微調最多的通用模型。此前公司的SAM視覺(jué)模型為CV領(lǐng)域投下重磅炸彈，公司在開(kāi)源多模態(tài)領(lǐng)域上的持續發(fā)力，進(jìn)一步為開(kāi)源社區提供強有力的技術(shù)支持。

2、斯坦福&普林斯頓大學(xué)學(xué)者發(fā)現計算機視覺(jué)跟蹤新技術(shù)，能夠節省高昂費用

在計算機視覺(jué)中，建立圖像或場(chǎng)景之間的對應關(guān)系是一個(gè)重要的挑戰，尤其是考慮到遮擋、視角變化和物體外觀(guān)的變化。

來(lái)自斯坦福&普林斯頓大學(xué)學(xué)者聯(lián)合發(fā)布的一篇名為【Siamese Masked Autoencoders】的論文中，發(fā)表了一種用于視頻學(xué)習的蒙面自動(dòng)編碼器，SiamMAE用于從視頻中學(xué)習視覺(jué)對應關(guān)系，可以在沒(méi)有顯式標簽或注釋的情況下使得機器進(jìn)行自主學(xué)習。學(xué)習到的表示可以用于視頻分類(lèi)、動(dòng)作識別或對象跟蹤等下游任務(wù)。

通過(guò)SiamMAE學(xué)習到的特征在視頻對象分割、姿態(tài)關(guān)鍵點(diǎn)傳播和語(yǔ)義部分傳播等自監督方法中表現非常出色。該方法在標注數據稀缺或獲取數據成本高昂的情況下特別有用。

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：