在英伟达市值猛涨、各家科技巨头囤芯片的热潮中，我们往往会忽视GPU芯片是如何转变为数据中心算力的。最近，一篇SemiAnalysis的技术文章就深入解读了10万卡H100集群的构建过程。
芯东西6月21日消息，据The Information报道，研发出世界最大芯片的明星AI芯片独角兽Cerebras Systems已向证券监管机构秘密申请IPO。
毕业季，大模型人才正在被各家大厂和创业公司重金哄抢。 刚刚，腾讯也曝光了他们与大模型相关的人才计划，并且直通2025年校招—— 将面向全球范围内大举扩招50%大模型人才，并且放话薪资算力什么的不用愁。 不出所料，各家抢人下手都既快又狠，晚一步生怕就抢不到（不是）。
AI对计算栈的改变远超过去50年各种变化的总和。
在商业需求更明确的未来，FPGA或ASIC将成为更优的底层计算设备。
就在刚刚，英伟达市值超越微软，成为全球市值最高公司！而CEO老黄的净资产也随之增至1170亿美元，成为全球TOP 11富人。随着全世界疯抢英伟达GPU，华尔街对AI的乐观情绪还在狂热飙涨！不过，老黄却担忧起来了……
基于 Transformer架构的大型语言模型在各种基准测试中展现出优异性能，但数百亿、千亿乃至万亿量级的参数规模会带来高昂的服务成本。例如GPT-3有1750亿参数，采用FP16存储，模型大小约为350GB，而即使是英伟达最新的B200 GPU 内存也只有192GB ，更不用说其他GPU和边缘设备。
给人才充足的GPU，是很重要的！
分头作战，不如选择抱团？
近日，「北极雄芯」宣布完成新一轮融资，引入云晖资本。本次融资资金将主要用于首批核心Chiplets流片及封装测试，构建国内首个可独立销售的“Chiplet产品库”。
