FX168财经网_全球视野外汇黄金加密货币NFT资讯网

AI为何成为云计算巨头的新战场？双剑合璧又会有怎样的表现？

，有利于企业进行大规模的AI训练，以及深度学习建模。换句话说，Oracle希望通过NVIDIA的技术支援，提升客户选择Oracle AI解决方案的几率，强化市场竞争力。此外，Oracle现在还可以在OCI数据流全托管式Apache Spark服务上提前获得数据处理加速功能NVIDIA RAPIDS™。数据处理是最主要的云计算工作负载之一。为了满足此需求，OCI数据科学计划提供对裸金属服务器款型的支持，包括跨托管式笔记本会话、作业和模型部署。 Oracle首席执行官Safra Catz表示：“我们与NVIDIA扩大联盟将提供两家公司最好的专业知识，以帮助从医疗健康和制造业到电信与金融服务的各行业客户，克服其面临的众多挑战。” 合作为NVIDIA带来了什么？ NVIDIA英伟达首席执行官兼创始人黄仁勋表示：“加速计算和AI是应对企业运营各方面成本不断上升的关键。企业正在越来越多地转向支持快速开发和可扩展部署的云先行AI策略。” “通过与Oracle的合作，我们将使成千上万家的企业能够轻松地使用到NVIDIA AI。” 被全球企业采用的NVIDIA AI平台软件NVIDIA AI Enterprise包含了AI工作流中每个步骤的基本处理引擎——从数据处理和 AI 模型训练到模拟和大规模部署。通过NVIDIA AI，企业机构能够开发实现业务流程自动化的预测模型，并使用对话式AI、推荐系统、计算机视觉等应用快速获得业务洞察。双方计划在OCI上提供即将发布的NVIDIA AI Enterprise，使客户能够轻松使用NVIDIA的加速、安全和可扩展平台，进行端到端AI开发和部署。 OCI正在为其容量增加数以万计的NVIDIA GPU。配合OCI裸金属、集群网络和存储AI云基础设施，这将给企业带来丰富、易于获取的大规模AI训练与深度学习推理选项组合。同时，用于医学影像、基因组学、自然语言处理和药物研发的医疗AI和HPC应用框架NVIDIA Clara™也即将推出。此外，Oracle和NVIDIA也正在为医疗健康领域合作开发新的AI加速Oracle Cerner产品，其将涵盖分析、临床解决方案、运营、患者管理系统等领域。 AI与云计算“双剑合璧” 近年来，AI成长十分敏捷。据IDC今年发布的数据来看，2022年全球AI收入预计同比增长19.6%，达到4328亿美元，预计2023年可突破5000亿美元大关。毫无疑问，AI是当今大数据时代下最热门的话题，同时也正在成为云计算巨头间竞争的核心。那么，云计算和大数据究竟是什么关系？AI又是在怎样的背景下诞生的？从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。海量的数据存储于云中，再基于云计算对大数据进行分析，得出的结果可实现机器的深度学习与进化，从而让机器为人们的生产活动、生活所需提供更好的服务。而AI则是云计算和大数据结合进行机器学习的产物，并且随着物联网在生活中的全面铺开，AI能成为大数据最大、最精准的来源，也能反哺云平台实现更加智能的计算分析。目前，AI研究的内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示等六大方向，目前机器学习的应用范围还是比较广泛的，比如自动驾驶、智慧医疗等领域都有广泛的应用。与传统数据分析技术相比，AI立足于神经网络，就像人脑一样，AI在进化时可以发展出发散性的神经网络，从而进行全面的机器学习。与传统算法相比，AI算法并无多余的假设前提，而是完全利用输入的数据自行模拟和构建相应的模型结构，这一算法特点决定了它是更为灵活且可以根据不同的训练数据而拥有自优化的能力，同时也带来了显著增加的运算量。在算力取得突破以前，大数据的优势几乎无处发挥，更别说AI的运用。而如今，人们正在进入一个数据量迅速膨胀的时代，少量服务器已经不能解决问题，于是人们开始聚合多台服务器的力量，利用云平台实现海量数据的分析与整合。伴随着云计算的发展，高速并行运算、海量数据、更优化的算法共同促成了科技发展的突破。人们基于大数据仅能满足日常的搜索需求显然是不够的，人们也会面临想要的东西不会搜、也不知如何表达，或者搜索出来的结果并不是自己想要的情况。这时，人们便开始渴望有一种应用能够试图分析出自己想表达的意思。如今音乐、视频或者购物软件中的“猜你喜欢”，当人们在使用这种应用时，会根据过往你在使用软件时留存的数据分析出个人喜好，这也是AI最贴近生活的应用分支——机器学习。机器学习不仅仅需要理解客观存在的理论，或是推算出一道数学公式的正确结果，更需要了解人与机器的共识。既然机器对于数据的处理和统计能力很强，那么人们只要为机器提供足够多的数据，AI便能在其中找到数据间的规律，并作出正确的决策。后记在大数据时代，云计算的出现给经济发展带来了重大影响。虽然企业数字化、产业智能化是一条长路，但诸如Oracle、NVIDIA等科技巨头正通过不断地技术革新、开放赋能，打造云计算基础设施助力更多企业大步快跑进产业与AI结合升级的浪潮。作为一个庞大的高新技术合集，“AI+云计算”正在作为一种新经济业态开始萌芽，越来越多的云计算企业开始拥抱人工智能，用“AI+云计算”助力技术和产业的进一步发展。在云计算与大数据成熟的沃土上诞生的AI可谓是天选之子，随着新科技时代的到来，人们的生活将会更加紧密地与AI和云计算等新科技联系在一起，在这种背景下两者的深度融合无疑会使AI与人们的生活之间联系得更加密切。而在技术、需求与产业进化永不停歇、奔涌向前的现实下，未来的技术框架又会进步到何种程度，值得我们持续关注。来源：金色财经

金色财经2022-10-27

重磅推荐 | 朱嘉明：元宇宙——创意、思想、意识协作的下一代网络

例如，GAN（生成式对抗网络）属于一种深度学习模型，它能够自动化生成内容或进行内容增强，使得AIGC成为元宇宙时代的重要内容来源。AI对于元宇宙的重要性，还体现在虚实交融：AI弥补数字人和物理人之间的鸿沟。因为只有通过强化学习，虚拟人才会更像物理人；通过联邦学习，物理人变成了数字人，也能保留隐私。总之，“元宇宙对现实的影响可以从智能的层次提升到智慧的层次。元宇宙从物理人的行为中学习智能，反之物理人也能从元宇宙中汲取智慧。得到这样的结论是源自人们对元宇宙提供的这个巨大的人与环境的模拟系统的观察”。进而可以设想，未来元宇宙对能源、算力、存储、带宽资源的分配也将AI化。书中关于元宇宙和人工智能的思考，符合“广义人工智能”的方向，即将以往基于逻辑的符号AI和现有的基于数据的神经AI结合的双向AI，因为广义AI可以满足知识迁移和互动、鲁棒性、抽象和推理的能力、高效性等人工智能的需求。如果说，仅仅肯定这本书提出了关于元宇宙技术体系的整体图像，解析了其中的每项技术的结构、价值和技术发展方向，属于一本关于元宇宙技术性书籍，是对这本书价值的低估。这本书也是在探讨元宇宙技术背后的哲学意义，很有可圈可点之处。这本书在第一篇开宗明义地写道：“元宇宙：意识和生命的互联网”，并且以地球和人类的角度，将宇宙演化分为五个阶段：零宇宙（奇点）是宇宙0.0、物理宇宙是宇宙1.0、生命宇宙是宇宙2.0、有人宇宙是宇宙3.0、元宇宙是宇宙4.0。是否同意作者这样划分宇宙的演变阶段是一回事，将元宇宙纳入人类对宇宙认知的体系之中的提法，是很有启发性的。特别的是，作者将笛卡尔的“我思故我在”的命题，以及凯文·凯利在《必然》一书中提到的“知化”（cognifying）概念，引入到对于元宇宙的思考中，触及了元宇宙的核心问题：元宇宙是否将是一个基于人工智能，超越现实人类的，以原生虚拟人为主体的全新的“通用智能体”？在书的最后部分，作者回归到人类意识发展与人工智能的未来：“人脑与超脑，都需要形成对‘自我’的观念。”机器在处理一些复杂任务时不得不拥有自我意识，因为人工智能技术使得人工意识成为现实，即机器的自我意识现在不是可能不可能的问题——机器人时代大幕已然揭开。元宇宙的重要功能则是提供这样一种人与机器的交互界面，创造人工智能突破性进展，加速后人类时代到来的契机。在这样的意义上，就不难理解：元宇宙中的一切皆计算机（XaaC）和一切皆服务（XaaS）联系在一起。因为元宇宙就是通过计算实现“意识的星辰大海”。总之，这本书具有可观的知识含量，涉及技术的涵盖面宽广，基本囊括了现阶段元宇宙涉及的所有技术演进脉络并做了深入浅出的阐述。同时，作者描绘了相关技术在元宇宙中的应用前景，对大众读者起到了很好的科普作用。特别需要肯定的是，该书预测了在未来元宇宙建构中，异构芯片架构、指令架构、操作系统、虚拟化、数据中心、存储、网络、带宽等领域的发展方向，以及软件定义硬件，开源加速标准和接口统一的方向。作者关于元宇宙的这些深度思想，为有技术背景的读者思考元宇宙技术发展提供了方向，留下了新的问题和思考空间。当然，本书存在一些问题，宇宙演变的五个阶段的说法较为新颖，但是作为科学探讨，则缺少深入论证。特别请读者注意书的最后一个自然段：“随着人类的主观能力越来越强大、自由意志得到越来越充分的释放，人类对世界的认识一方面不断地向真实的物理世界靠拢，另一方面也在不断地寻求超越、逐渐发展而比物理世界更为强大。因此，我们有理由认为：随着认知的日益发展，人机的未来需要人类的设计和自由意志的指导，人类也才有可能成己而圣，为元宇宙立心，为万世开太平”。这是迄今为止，关于元宇宙价值的最有冲击性的文字。但我还是坚持人类需要谦卑的主张，看到自己的极限，包括人工智能和元宇宙网络，以及元宇宙的极限。最后，我以美国计算机科学家、首届图灵奖获得者艾伦·佩利（Alan Perlis，1922—1990）的一段话作为结语：“花一年时间在人工智能上就足以使人相信上帝。来源：金色财经

金色财经2022-10-21

金色Web3.0日报 | 传苹果将推出专属“独特元宇宙品牌”

。专利摘要显示，该专利涉及计算机视觉、深度学习以及增强现实等人工智能领域，可应用于虚拟形象生成以及元宇宙等场景。 3.中国首家元宇宙新闻与传播学院在南开大学推出金色财经报道，中国首家元宇宙新闻与传播学院今日在南开大学推出，根据南开大学新闻与传播学院秀山堂现实物理空间虚拟复制的数字空间正式上线。南开大学新闻与传播学院院长刘亚东表示，通过元宇宙沉浸式教学，有利于学生实时掌握新一代信息传播技术前沿进展，全面提高新闻传播技能和本领。刘亚东说，今后将进一步秉承百年南开“允公允能、日新月异”的校训，联合南开大学相关院系以及元宇宙领域先进的技术公司共建元宇宙联合实验室，通过制作虚拟教授数字人、在虚拟现实空间建设虚拟课堂、在元宇宙空间开设网络前沿大师课等，逐步充实和加强元宇宙新闻与传播学院特色。 4.内部人士：字节跳动裁撤元宇宙社交应用“派对岛”团队 10月17日消息，据字节跳动内部人士透露，为降本增效，字节跳动已经砍掉元宇宙社交App“派对岛”的项目团队，项目组成员回归中台原团队。 “派对岛”于今年 7 月中旬推出，定位为社交产品，须使用邀请码方可使用。前述人士透露，但因安全流程相关问题，“派对岛”不久便被下架，因重新上架日期未知，项目因而被裁撤。 5.印度电商巨头Flipkart与Polygon合作推出元宇宙购物体验 10月17日消息，沃尔玛旗下印度电商巨头Flipkart与Polygon合作推出元宇宙购物体验Flipverse。该产品目前处于试点阶段，其将为消费者提供游戏化、互动和身临其境的体验，用户将能够收集公司的忠诚度积分超级币以及来自合作伙伴品牌的数字收藏品。公司表示，包括Puma、Noise、Nivea、Lavie、Tokyo Talkies、Campus、VIP、Ajmal Perfumes和Himalaya在内的“众多品牌”正在合作在Flipverse建立元宇宙体验馆。（TechCrunch）免责声明：金色财经作为区块链资讯平台，所发布的文章内容仅供信息参考，不作为实际投资建议。请大家树立正确投资理念，务必提高风险意识。来源：金色财经

金色财经2022-10-17

百度虚拟形象驱动专利公布虚拟形象驱动专利可应用于元宇宙

　　摘要显示，该专利涉及计算机视觉、深度学习以及增强现实等人工智能领域，可应用于虚拟形象生成以及元宇宙等场景，其方法包括：获取目标人物的视频数据，包括第一音频数据以及与第一音频数据对应的唇部动作；对视频数据进行三维重建；基于第一音频数据以及三维重建结果，确定出第一音频数据与目标人物对应的三维人脸之间的表情驱动映射关系；获取第二音频数据，根据第二音频数据以及表情驱动映射关系，驱动目标虚拟形象。应用本公开方案，可提升驱动效果等。

金融界2022-10-17

寒武纪新一代智能加速卡与浪潮AIStation完成适配认证

式高效交付。通过对计算资源、数据资源、深度学习软件栈资源进行统一管理，AIStation为环境构建、模型开发、模型训练、模型评估、模型推理、上线部署全链条全面提速，加快AI开发应用创新落地。

美通社2022-10-13

吉利疲劳检测方法专利公布新专利可检测司机疲劳状态

图像确定待检测对象的人眼区域图像；基于深度学习卷积神经网络对人眼区域图像进行识别，得到眼部识别结果，该结果用于表示所述待检测对象的眼部疲劳程度；响应于预设时间段内得到的眼部识别结果达到预测条件，确定待检测对象处于疲劳状态。该方法能够更准确的识别出待检测对象的疲劳状态，使得疲劳检测的识别率更高，鲁棒性更强。

金融界2022-10-13

叶毓睿刊文《麻省理工科技评论》元宇宙的“通天塔”需从元宇宙技术的“脚手架”开始

例如，GAN（生成式对抗网络）属于一种深度学习模型，它能够自动化生成内容或进行内容增强，使得AIGC成为元宇宙时代的重要内容来源。 AI对于元宇宙的重要性，还体现在虚实交融：AI弥补数字人和物理人之间的鸿沟，因为只有通过强化学习，虚拟人才会更像物理人；通过联邦学习，物理人变成了数字人，也能保留隐私。总之，“元宇宙对现实的影响可以从智能的层次提升到智慧的层次。元宇宙从物理人的行为中学习智能，反之物理人也能从元宇宙中汲取智慧。得到这样的结论是源自人们对元宇宙提供的这个巨大的人与环境的模拟系统的观察”。进而可以设想，未来元宇宙对能源、算力、存储、带宽资源的分配也将AI化。在《元宇宙十大技术》这本书中，剖析了在未来元宇宙建构中，VR/AR等交互和展示、数字孪生、区块链、游戏和社交、AI、多元异构的计算架构、存储、网络等领域的技术原理和发展趋势，为有技术背景的读者思考和理解元宇宙技术发展提供了方向，留下了新的问题和思考空间。来源：金色财经

金色财经2022-10-13

叶毓睿刊文《麻省理工科技评论》元宇宙的“通天塔”需从元宇宙技术的“脚手架”开始

例如，GAN（生成式对抗网络）属于一种深度学习模型，它能够自动化生成内容或进行内容增强，使得AIGC成为元宇宙时代的重要内容来源。 AI对于元宇宙的重要性，还体现在虚实交融：AI弥补数字人和物理人之间的鸿沟，因为只有通过强化学习，虚拟人才会更像物理人；通过联邦学习，物理人变成了数字人，也能保留隐私。总之，“元宇宙对现实的影响可以从智能的层次提升到智慧的层次。元宇宙从物理人的行为中学习智能，反之物理人也能从元宇宙中汲取智慧。得到这样的结论是源自人们对元宇宙提供的这个巨大的人与环境的模拟系统的观察”。进而可以设想，未来元宇宙对能源、算力、存储、带宽资源的分配也将AI化。在《元宇宙十大技术》这本书中，剖析了在未来元宇宙建构中，VR/AR等交互和展示、数字孪生、区块链、游戏和社交、AI、多元异构的计算架构、存储、网络等领域的技术原理和发展趋势，为有技术背景的读者思考和理解元宇宙技术发展提供了方向，留下了新的问题和思考空间。来源：金色财经

金色财经2022-10-13

AI绘画作品的版权归谁？

创作属性，但这并不妨碍 AI 将来会在深度学习后自主创作。目前，对于 AI 生成作品的著作权归属在我国法律体系内尚属空白，但还是可以通过现行的《著作权法》体系进行探究，依次理清以下几个问题：什么是著作权法所称的作品？ AI 作品是不是作品？ AI 作品归谁？ AI 作品是否会涉及侵权？一、什么是著作权法所称的作品根据我国《著作权法》第三条规定：“本法所称的作品，是指文学、艺术和科学领域内具有独创性并能以一定形式表现的智力成果，包括：（一）文字作品；（二）口述作品；（三）音乐、戏剧、曲艺、舞蹈、杂技艺术作品；（四）美术、建筑作品；（五）摄影作品；（六）视听作品；（七）工程设计图、产品设计图、地图、示意图等图形作品和模型作品；（八）计算机软件；（九）符合作品特征的其他智力成果。” 同时，我国《著作权法实施条例》第二条规定：“著作权法所称作品，是指文学、艺术和科学领域内具有独创性并能以某种有形形式复制的智力成果。”显然，独创性是保证作品受到著作权法保护的前提。独创性包含“独”和“创”两个维度。“独”是独立性的意思，即作者独立创作完成作品，不存在对他人作品的抄袭或复制，其中包含了（1）作品从无到有的创作，以及（2）在已有作品上的再创作而形成的与原作品存在客观区别的新作品（一般称为“二次创作”）这两种创作行为。“创”是创造性的意思，即作品必须是创造性智力活动的产物，体现作者的构思、思想或者感情，并带有创作个性。我国《著作权法》和《著作权法实施条例》对于独创性标准没有给出明确规定，由于独创性标准的定义过于概括和抽象，如何判断作品是否具有独创性，还是需要结合具体案件来判断。二、AI 作品是不是作品目前 AI 在创作过程中作为工具参与的仅仅是“体力劳动”，而非作者给出方案构思的“脑力劳动”，难以跳出作者给出的方案构思而独立创作。因此，AI 在创作过程中仅仅发挥工具作用而未参与创作，仅仅是对工作时间的压缩，并不是独创性的表达。只有在 AI 作品满足独创性的标准之后，才可能成为著作权法所称的作品。在 Dreamwriter 一案中（(2019）粤 0305 民初 14010 号），原告通过自主开发的 AI 机器人 Dreamwriter 生成了财经文章并发布，而被告未经许可发布了同样的财经文章，即构成对原告财经文章著作权的侵权。法院在认定涉案财经文章是否具有独创性的考察标准具有较强的参考意义：（1）是否独立创作；（2）是否与已有作品存在一定差异；（3）是否体现作者个性化的选择。法院认为：“判断涉案文章是否具有独创性，应当从是否独立创作及外在表现上是否与已有作品存在一定程度的差异，或具备最低程度的创造性进行分析判断……从涉案文章的外在表现形式与生成过程来分析，该文章的特定表现形式源于创作者个性化的选择与安排，并由 Dreamwriter 软件在技术上“生成”的创作过程均满足著作权法对文字作品的保护条件，法院认定涉案财经文章属于我国著作权法所保护的文字作品。” 三、AI 作品归谁？既然 AI 作品在满足一定条件后能够成为作品，那么 AI 作品的著作权归谁？或者说 AI 能否成为作者？在回答问题之前，我们先来看美国版权局告诉我们什么。 2022 年 2 月 14 日，美国版权局审查委员会（Copyright Review Board）再次拒绝了 Ryan Abbott 提交的 AI 作品“A Recent Entrance to Paradise”的版权登记注册复议请求，并重申根据美国《版权法》的规定，版权法仅仅保护“建立在人类创造力基础”上的“智力劳动的果实”。（AI 作品——“A Recent Entrance to Paradise”） 2018 年 11 月 3 日，Stephen Thaler 申请将一个通过在计算机算法自动生成的 AI 作品——“A Recent Entrance to Paradise”登记注册版权，并表明“AI——创造机器（Creativity Machine）”为作者，Stephen Thaler 为该 AI 的发明者。2019 年 8 月 12 日，美国版权局拒绝了该申请，理由是：“缺乏版权声明所必需的人类作者身份（lacks the human authorship necessary to support a copyright claim）。”Stephen Thaler 随即要求版权局重新评估上述决定，并辩称：“人类作者身份的要求违反《美国宪法》，并且没有得到任何成文法或判例法的支持”。2020 年 3 月 1 日，美国版权局又拒绝了该复议请求并认为：其不会放弃最高法院及地方法院司法判例长期以来对《版权法》的解释——即只有由人类作者创作的作品才符合版权保护的法律和正式要求。之后，版权局审查委员会依然对 Stephen Thaler 的第二次复议申请无动于衷，认为：人类作者身份是美国版权保护的先决条件，因此该作品不能登记注册。同样的，目前在国内，AI 本身亦不能成为作者。首先来看，作者进行创作以及其作品在之后获得《著作权法》保护，是一项民事法律行为，作者需要独立承担法律责任。显然将 AI 作为作者并不合适，AI 只是一个被开发的程序，不具有独立的财产，不具有独立的民事责任能力，无法作为侵权主体因其侵权行为所应当承担的不利后果，也无法承担相应的赔偿责任。我国《民法典》第一百七十六条规定：“民事主体依照法律规定或者按照当事人约定，履行民事义务，承担民事责任。”同时，我国《民法典》规定，能够作为民事主体的有自然人、法人和非法人组织。其次，根据我国《著作权法》第十一条规定：“创作作品的公民是作者。由法人或者其他组织主持，代表法人或者其他组织意志创作，并由法人或者其他组织承担责任的作品，法人或者其他组织视为作者。”在 Dreamwriter 一案，深圳南山区法院也给出了它的答案，法院认为 AI 作品为法人作品，原告法人为合法著作权人，著作权由其享有。所以，如果 AI 作品能够满足我国《著作权法》和《著作权法实施条例》的要求，那么将 AI 作品归属于自然人作者，或者是开发 AI 软件的法人或其他组织，由其享有著作权并承担相应法律责任，是在现有著作权法框架下最适宜的处理方式。四、AI 作品是否会涉及侵权？在通过 AI 工具创作 AI 作品的过程中，可能存在一系列的侵权的风险，主要分为 3 种：（1）使用者（侵权主体）的侵权。一般而言，AI 服务提供方开发 AI 工具都是需要商业化的，使用其 AI 工具需要遵守《用户协议》或者其他相关的协议，AI 作品著作权的归属以及能否商用目前暂时受制 AI 服务提供方，如果使用者超出协议授权范围或不当使用 AI 工具的，就可能构成侵权。所以在使用 AI 工具之前要了解《用户》或者其他相关的协议。例如，百度开发的文心一格 AI 绘画工具就明确：“不得用于商业用途，版权归属于百度公司。” 例如，目前最热门的 Midjourney 以及 Stable Diffusion 都开放了商业化套餐，购买商业化套餐的高级用户则有完全的商业使用权。可以参考如下： Midjourney Terms of Service: https://midjourney.gitbook.io/docs/terms-of-service?continueFlag=ef7 d16 db9473 cdc8 d5561 a6340 adbe96 Stable Diffusion Dream Studio beta Terms of Service: https://stability.ai/stablediffusion-terms-of-service?continueFlag=ef7 d16 db9473 cdc8 d5561 a6340 adbe96 （2）AI 服务提供方（侵权主体）的侵权。AI 服务提供方需要建立一个庞大的作品素材库来足够支撑 AI 算法的深度学习，如果在庞大的作品素材库中包含有他人的著作权作品（著作权来源存在问题），且 AI 服务提供方利用该作品进行创作，就可能构成对该作品著作权的侵权。所以 AI 服务提供方应确保作品素材库在著作权来源上的合法性。（3）AI 作品（侵权主体？）的侵权。使用者通过 AI 工具随机生成的 AI 作品，可能与其他作品极为相似。司法实务中，判定著作权侵权成立需要满足“接触 + 实质性相似”两个条件，一是证明侵权人曾经接触过或可能接触过原作品，存在抄袭的客观可能性；二是证明侵权人的作品与原作品构成实质性相似。可以想象去证明 AI 曾经接触过或可能接触过原作品是非常困难的。五、写在最后就像“Web3 是趋势，不要抗拒”一样，未来 AI 将会深入各行各业，我们应该积极地去拥抱这些新事物。就 AI 绘画而言，希望大家都能成为 AI 造句小能手，我仿佛看到了小学语文老师欣慰的笑：） —— END —— 本文仅供参考，不构成法律意见。希望本文对您有所帮助。若您有任何进一步的问题或指示，请随时联系。来源：金色财经

金色财经2022-10-11

穿越山谷的英伟达会成为元宇宙最重要的基础设施吗？

AI 来渲染图像了：该公司此次还发布了深度学习超级采样（DLSS）技术的第 3 版。这项技术可以预测帧并进行预渲染处理，这意味着那些帧根本不需要计算（之前版本的 DLSS 需要对独立像素进行预测和预渲染）。此外，就像光线跟踪技术一样，英伟达也采用了专用硬件，让 DLSS 的性能更好。这些新做法搭配上英伟达 GPU 的专用内核，令英伟达非常适合为游戏与沉浸式 3D 体验（如虚拟世界）建立全新的范例。但问题是：所有这些专用硬件都要付出代价。英伟达的新 GPU 是大芯片——顶级的 AD102，以 RTX 4090 的形式出售，这是一款完全集成的片上系统，采用台积电 N4 工艺，尺寸为 608.4 平方毫米；相比之下，AMD 即将推出的 RDNA 3 显卡系列内置的顶级芯片 Navi 31 芯片是小芯片（chiplet）设计，采用台积电 N5 工艺，尺寸为 308 平方毫米，加上采用台积电 N6 工艺的 6 颗 37.5 平方毫米的内存芯片。简而言之，英伟达的芯片要大得多（这意味着更贵），而且它采用了稍微更现代的工艺流程（可能成本会更高）。 Dylan Patel 在 SemiAnalysis 上解释了这种做法的潜在影响：简而言之，通过放弃 AI 和光线追踪固定功能加速，转而采用先进封装的更小芯片，从而节省了大量芯片成本。 AMD 的 RDNA 3 N31 和 N32 GPU 的先进封装成本显著上升，但相对于晶圆和成品率成本来说，小型扇出 RDL 封装仍然非常便宜。到头来，与通过将内存控制器与无限的缓存拆分、使用更便宜的 N6 而不是 N5 ，以及更高的产出所节省的成本相比，AMD 封装成本的增加就不值一提了......在接近十年的时间里，英伟达在传统光栅化的游戏性能方面第一次出现成本结构更糟的局面。这就是英伟达正在走进的山谷。由于 4000 系列的高昂价格，在英伟达做完主旨演讲之后，尤其是当英伟达的网站上的细则表明英伟达发布的其中一款二级芯片其实更类似于三级芯片换了个马甲时，游戏玩家们马上开始竭力反对，他们怀疑英伟达是在玩营销游戏来掩盖价格的大幅上涨。 Nvidia 的显卡性能也许是最好的，而且毫无疑问最适合未来的光线追踪与 AI 生成内容，但代价是它无法为当今的游戏提供最佳的价值。要达到纯模拟虚拟世界的高度，需要熬过一代的时间，对大多数游戏玩家还不关心的功能进行收费。在山谷中的人工智能：是系统，而不是芯片对英伟达在游戏方面的做法持乐观态度的原因之一，是该公司在发明着色器（shader）时已经对未来下了类似的赌注。我曾经在去年的 GTC 之后解释过着色器：英伟达先是凭借 Riva 和 TNT 系列视频卡（经过了硬编码，可对类似微软的 Direct3D 等 3D 库进行加速）而声名鹊起：不过，GeForce 系列可以通过一种叫做“着色器”的计算机程序进行充分编程。这意味着哪怕是在制造出来之后，GeForce 卡也可以通过开发新的着色器（比方说用来支持新版本的 Direct3D）来加以改进。更重要的是，着色器不一定就得是渲染图形；任何类型的软件——理想情况下任何可以并行运行的简单计算程序——都可以编程为着色器；诀窍是弄清楚如何写这种程序，这就是 CUDA 的用武之地。我在 2020 年的那篇谈英伟达的集成梦想的文章中解释道：这种抽象层次的增加意味着底层图形处理单元可以更简单，这意味着图形芯片可以拥有更多的 GPU。比方说，英伟达刚刚发布的 GeForce RTX 30 系列最先进版本的内核数达到了令人难以置信的 10496 个。这种程度的可扩展性对视频卡来说很有意义，因为图形处理完全是并行处理的：一块屏幕可以分成任意数量的多个部分，每一部分均可同时独立计算。这意味着性能可以水平扩展，也就是说，每增加一个内核都能提高性能。不过，事实证明，可以充分并行运算的计算类型并不只有图形而已…… 所以英伟达才从模块化的组件制造商变成了软硬件集成制造商。模块化组件是指它的显卡，而软硬件集成是指它的 CUDA（统一计算设备架构）的平台。 CUDA 平台可以让程序员通过多种语言访问英伟达显卡的并行处理能力，但又不需要了解如何对图形进行编程。现在 Nvidia &技术栈有三个层级：不过，要想了解 CUDA ，重要的一点是要知道它并不仅仅是让外部程序员能够为英伟达的芯片编写程序，CUDA 也为英伟达本身赋能了。这大部分是出于绝望。去年春天，黄仁勋在接受我们采访时解释到，在他看来对公司未来至关重要的着色器的引入，几乎杀死了这家公司：可编程性的缺点是效率要差一些。正如我之前所提到的那样，功能固定的东西更高效。任何东西只要是可编程的，任何光看定义可以做不止一件事情的东西，对于完成任何特定任务来说都会带来不必要的负担，所以这里的问题是“我们该什么时候做这件事（让自己的东西可编程）？”当时给我们启发的一点是，一切看起来都像 OpenGL 的飞行模拟（OpenGL Flight Simulator）。一切都可以看成是模糊纹理和三线性插值细化纹理，一切东西都没有生命，但我们觉得，如果不赋予媒介生命的话，就没法让艺术家创造出不一样的游戏，不一样的流派，讲述不一样的故事，而最终媒介也将不复存在。与此同时，我们也希望做出一个更加可编程的调色板，让游戏和艺术家可以用它做一些很棒的事情，我们受到了这种野心的驱使。还有一个动机也在敦促我们做这件事，那就是有朝一日就算显卡被商品化了我们也不会倒闭。所以当这些考量到了一定程度，我们就开始做可编程的着色器，所以我认为要这样做的动机是非常明确的。但后来我们受到的惩罚是我们没想到的。什么样的惩罚？这个惩罚来得太突然，所有我们对可编程性的预期，所有我们为将来所做的，在一切不必要功能方面的开销，这些都是惩罚，因为当前的应用并不能从中收获好处。除非出来新的应用，否则的话，我们的芯片会显得太贵，而现在的市场竞争非常激烈。英伟达之所以能活下来，是因为他们的直接加速能力仍然是最好的。从长远来看，英伟达仍将蓬勃发展，因为他们为了利用着色器而开发了一整个 CUDA 基础设施。这就是数据中心增长的来源；黄仁勋解释道：从你成为一家处理器公司的那一天起，你就必须内化这一点：这个处理器架构是全新的。以前从未出现过像这样的可编程像素着色器，或者这样的可编程 GPU 处理器，以及这样的编程模型，因此我们得内化这个。你必须内化这是一种全新的编程模型，而且与成为一家程序处理器公司或一家计算平台公司相关的一切你都得做出来。所以我们必须建立一支编译器团队，我们必须考虑做出 SDK，必须考虑建立自己的库，也必须与开发者接触，宣传我们的架构，并帮助人们实现它的好处，如果不行的话，甚至你得自己开发新的库，让人们可以轻松地将自己的应用移植到我们的库，然后看到它的好处。这个故事之所以要再讲一遍，第一个原因是要指出着色器复杂性的成本与当前游戏的光线追踪和人工智能的成本之间的相似之处；二是要大家注意这一点，英伟达解决问题的方法一直都是自己把所有的事情都干了。在那时候，它意味着要开发出 CUDA 来对这些着色器进行编程；而在今天，这意味着要为人工智能开发出整套系统。黄仁勋在上周的主旨演讲中谈到：英伟达致力于通过加速计算来推动科学与工业发展。无需做加速计算即可取得更好性能的时代已经结束了。使用没有加速支持的软件，只能花费高昂成本来弥补其性能与扩展性的不足。近 30 年来英伟达始终专注于这一领域，作为加速软件与扩展计算的专家，英伟达提供了百万倍的加速，远超摩尔定律。加速计算是一项全栈挑战。需要对问题领域有深入了解，并对计算的每一个层次以及 CPU、GPU 与 DPU 这三种芯片进行优化。跨多 GPU 多节点扩展是数据中心规模所面临的挑战，要将网络和存储与计算资源统一调配，从 PC 到超级计算中心和企业数据中心，从云端到边缘，开发者和客户希望能在许多地方跑自己的软件。不同的应用希望在不同的位置以不同的方式运行。今天，我们将着眼于全栈来讨论加速计算。我们将介绍新的芯片，并阐述其如何用有限的晶体管释放更多的性能，我会介绍新的库，以及这些库如何加速科学和工业领域的关键任务，还有特定领域专用的新框架，有助于开发性能更高且易于部署的软件。以及新平台，它可以让你安全、安心地部署软件，并获得数量级的提升。在黄仁勋看来，光是有速度很快的芯片已不足以应对未来的工作负载：这就是英伟达要用上自己的所有设备来建设整个数据中心的原因。不过，再一次地，在一个每家公司都需要加速计算的未来里，英伟达专门为他们打造的数据中心——英伟达的天国之城（Celestial City）——却与现状形成鲜明对比，因为现在的数据中心里面，英伟达芯片的最大用户是那些自己的系统已经就位的大型玩家（hyperscalers）。比方说，像 Meta 这样的公司就不需要英伟达的网络；他们发明了自己的。这些公司确实需要大量可大规模并行化的芯片来训练自己的机器学习算法，这意味着他们必须给英伟达交钱，贡献其高额利润。也就难怪 Meta 和之前的谷歌一样，正在开发自己的芯片。这就是所有大公司都可能要走的一个过程：他们不需要英伟达的系统，他们需要的是可以满足他们的要求，跑他们的系统的芯片。这就是为什么英伟达会如此卖力地投入到人工智能和加速计算的大众化的原因：从长期看，规模化的关键在于为除了最大玩家之外的所有人开发系统。穿越山谷的诀窍在于，在英伟达目前的大客户停止购买英伟达昂贵的芯片之前，就能看到该生态体系的发展。黄仁勋曾经预见到 3D 加速器将会被商品化，于是用着色器来实现跨越；你会感觉到他对芯片也有同样的恐惧，所以现在正在跃进到做起系统来。在山谷中的元宇宙： Omniverse Nucleus 在去年春天的采访中，我曾问黄仁勋英伟达会不会自己做云服务；如果我们要做服务的话，除了我们自己做的东西以外（如果必须自己做的话），这个服务还会运行在世界各地的 GPU 上，跑在每个云上面。我们公司制定的其中一条规则是不浪费公司的资源去做已经有的东西。如果某个东西已经存在，比方说 x86 CPU 这样的东西，我们会直接用。或者如果某个东西已经有了，我们会选择与其合作，因为我们不想把自己稀缺的资源浪费在那上面。所以，如果云端已经有了某个东西了，我们绝对只会用那个东西，或者让那个东西去做就行了，这样会更好。但是，如果做有些东西对我们来说行得通，但对他们没有意义的话，我们会找他们去做；如果其他人不想做，那么我们可能会决定自己去做。对于要做什么我们是很有选择性的，但对于其他人已经做过的，我们态度非常坚决，那就是不做。事实证明，有个东西是没有其他人想做的，那就是为 3D 对象建立一个通用的数据库，这个数据库的用处是英伟达所谓的 Omniverse。这些对象可以是用于制造业或供应链的超级详细的毫米精度级对象，也可以是为虚拟世界生成的奇幻对象和建筑物；按照黄仁勋的设想，任何在 Omniverse Nucleus 上做开发的人都可以使用这些对象。此处的天国之城是一个跨行业和娱乐可用的 3D 体验世界——如果你愿意的话，可称之为元宇宙的 Omniverse，它们全都连接上英伟达的云服务——且其雄心壮志足以让扎克伯格感到脸红！出于同样的原因，这座山谷似乎更加漫长，更加黑暗：你不仅需要创建所有这些资产以及 3D 体验，而且需要让整个市场相信其实用性和必要性。为一个尚不存在的世界建设一个云服务，就是为了攀上目前仍然看不见的高度。黄仁勋与英伟达的雄心壮志之大是毫无疑问的了，尽管有些人可能会质疑同时穿越三座山谷的智慧如何；除了那场游戏业的完美风暴以外，他们的股票本身仍走不出山谷也许也是合理的。不过，值得考虑的是，英伟达客户（无论是消费者客户还是企业客户）对公司感到沮丧的首要原因是价格：英伟达的 GPU 价格昂贵，而且公司的利润（除了最近几个季度以外）非常高。不过，就英伟达的情况而言，其定价权直接来自英伟达自己的创新，这既体现在既定工作负载的绝对性能方面，也体现在其对 CUDA 生态体系的投资、为全新的工作负载创造出来的工具上。换句话说，因为过去承担了自己现在正在着手的事情的那种风险，英伟达已经赢得了被憎恨的权利。举个例子，假设未来对所有游戏的期望不仅仅是要能光线追踪，而且要对所有粒子进行全方位的模拟：英伟达在硬件上的投资将意味着它会像光栅化时代一样主宰那个时代。同样地，如果 AI 应用被大众化，而且可供所有企业使用，而不只是超大规模的企业能用的话，那么英伟达的价值定位将是掌握整个长尾。再者，如果我们进入了元宇宙的世界的话，那么英伟达不仅在基础设施方面有领先优势，而且在让那个世界成为现实所必需的基本对象库方面也有领先优势（当然了，这些对象将在 AI 生成的空间里利用光线追踪点亮），从而让英伟达成为该领域最重要的基础设施。这些赌注未必全都能获得回报；不过，我确实欣赏这个愿景之大胆，如果英伟达将来得以穿过山谷，到达天国之城，从而获得可观利润的话，我也不会嫉妒的。来源：金色财经

金色财经2022-10-10

24小时热点