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(dá)Q2業(yè)績指引超華爾街預(yù)期53%，AI超級計算系統(tǒng)將為英偉達(dá)帶來更多超額收益；

(資料圖片)

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

3、Meta又開源一個多語種語音大模型MMS，能識別4千種語言，生成1千種語音；

4、斯坦福等學(xué)者發(fā)布機(jī)器視覺跟蹤重大突破，SiamMAE能節(jié)省高昂費(fèi)用；

見聞視角

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(tǒng)將為英偉達(dá)帶來更多超額收益。

英偉達(dá)Q1財報大超預(yù)期成為今日矚目焦點(diǎn)，更重要的是Q2的業(yè)績指引將成為該公司有史以來最高的季度營收，超過華爾街預(yù)期的53.2%。

英業(yè)達(dá)業(yè)績超預(yù)期背后，最大的貢獻(xiàn)來自于四大業(yè)務(wù)中的數(shù)據(jù)中心業(yè)務(wù)，收入創(chuàng)歷史新高，達(dá)到42.8億美元，同比增長14%，環(huán)比增長18%。此外汽車業(yè)務(wù)雖然占比較小，但也達(dá)到了同環(huán)比的增長速度。而游戲和專業(yè)可視化的需求顯然還沒有恢復(fù)到去年同期水平。

見智研究認(rèn)為：市場遠(yuǎn)遠(yuǎn)低估了生成式AI需求，AI超級計算系統(tǒng)將為英偉達(dá)帶來更多超額收益。

英偉達(dá)數(shù)據(jù)中心收入激增主要是由于生成式AI和大語言模型的需求不斷增長，從而帶動公司基于Hopper和Ampere架構(gòu)的GPU需求超預(yù)期。目前數(shù)據(jù)中心產(chǎn)品需求能見度延長了幾個季度之多，在下半年H100的供應(yīng)量還將會進(jìn)一步增長。

從客戶需求來看：云計算服務(wù)供應(yīng)商、消費(fèi)者網(wǎng)絡(luò)公司以及企業(yè)客戶都希望盡快將生成式AI套用到現(xiàn)有業(yè)務(wù)中。而根據(jù)訂單排期的情況來看，GPU全年都將呈現(xiàn)供不應(yīng)求的局面。因而預(yù)計英偉達(dá)的收入會持續(xù)受益于生成式AI所帶動的數(shù)據(jù)中心業(yè)務(wù)增長。

生成式AI對于更個行業(yè)來說是顛覆性的存在，并且處于從無到有的起步階段，能夠創(chuàng)造的價值空間想象力非常大。

根據(jù)Gartner預(yù)測到2025年，使用生成式AI技術(shù)系統(tǒng)研發(fā)的新藥和材料比例將從現(xiàn)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(shè)計、合成數(shù)據(jù)等眾多領(lǐng)域帶來全新的價值。

值得關(guān)注的是，生成式AI正在推動計算需求呈現(xiàn)指數(shù)級增長，并快速過渡到英偉達(dá)的加速計算。公司也表示將開始銷售AI超級計算系統(tǒng)給支付更多溢價的科技公司。

目前英偉達(dá)具有高性能網(wǎng)絡(luò)方面的條件優(yōu)勢，并且在計算結(jié)構(gòu)、內(nèi)存調(diào)用、以及通信效率和速度方面做進(jìn)一步的優(yōu)化，同時會提高對高性能交換機(jī)、光模塊以及光線的需求。

2、英特爾公布AI大模型Aurora genAI，參數(shù)是ChatGPT的近6倍，多規(guī)格參數(shù)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(shù)量高達(dá)1萬億，是ChatGPT的近6倍（參數(shù)量1750 億），依賴于Megatron和DeepSpeed框架，這些結(jié)構(gòu)增強(qiáng)了模型的強(qiáng)度和容量。

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

見智研究認(rèn)為：作為ChatGPT的有力競爭者，Aurora genAI的公布預(yù)示著AI大模型賽道又迎來了新的重磅玩家，并極有可能在未來對各種科學(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)會持續(xù)在擴(kuò)大訓(xùn)練參數(shù)上內(nèi)卷，但是越大體量模型的運(yùn)行必然會產(chǎn)生更高的成本，當(dāng)前如何在有效需求和成本之間的平衡成為大模型開發(fā)商值得重點(diǎn)關(guān)注的問題，要防止模型在應(yīng)用時由于參數(shù)冗余而產(chǎn)生不必要的運(yùn)行成本，所以大模型開發(fā)商推出多元化參數(shù)模型用于專項領(lǐng)域會成為必然的發(fā)展路徑。

AI快訊

1、Meta又開源一個多語種語音大模型MMS，能識別4千種語言

Meta在GitHub上再次開源了一款全新的AI語言模型——Massively Multilingual Speech (MMS，大規(guī)模多語種語音)，這款新的語言模型可以識別4000多種口頭語言并生成1100多種語音（文本到語音）。上線短短的幾個小時，在GitHub庫便收獲了23kStar，F(xiàn)ork數(shù)量高達(dá)5.5k。

Meta被看作大模型研發(fā)的一大黑馬，是開源大模型的鼻祖，此前發(fā)布的LLaMA是被微調(diào)最多的通用模型。此前公司的SAM視覺模型為CV領(lǐng)域投下重磅炸彈，公司在開源多模態(tài)領(lǐng)域上的持續(xù)發(fā)力，進(jìn)一步為開源社區(qū)提供強(qiáng)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(xiàn)計算機(jī)視覺跟蹤新技術(shù)，能夠節(jié)省高昂費(fèi)用

在計算機(jī)視覺中，建立圖像或場景之間的對應(yīng)關(guān)系是一個重要的挑戰(zhàn)，尤其是考慮到遮擋、視角變化和物體外觀的變化。

來自斯坦福&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(xí)的蒙面自動編碼器，SiamMAE用于從視頻中學(xué)習(xí)視覺對應(yīng)關(guān)系，可以在沒有顯式標(biāo)簽或注釋的情況下使得機(jī)器進(jìn)行自主學(xué)習(xí)。學(xué)習(xí)到的表示可以用于視頻分類、動作識別或?qū)ο蟾櫟认掠稳蝿?wù)。

通過SiamMAE學(xué)習(xí)到的特征在視頻對象分割、姿態(tài)關(guān)鍵點(diǎn)傳播和語義部分傳播等自監(jiān)督方法中表現(xiàn)非常出色。該方法在標(biāo)注數(shù)據(jù)稀缺或獲取數(shù)據(jù)成本高昂的情況下特別有用。

風(fēng)險提示及免責(zé)條款 市場有風(fēng)險，投資需謹(jǐn)慎。本文不構(gòu)成個人投資建議，也未考慮到個別用戶特殊的投資目標(biāo)、財務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點(diǎn)或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負(fù)。

關(guān)鍵詞：