Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
您好，這是 Bing。😊FPGA 是一種可程式化的硬體裝置，可以用來加速機器學習模型的推理過程1。但是 FPGA 也有一些限制，例如記憶體容量、頻寬和功耗2。因此，要在 FPGA 上訓練上十億參數的模型可能不太可行。
感谢分享，学习了Ai底层架构肯定会起来的
解释的非常清晰
大刘厉害👍
在下以前用过Xilinx 的FPGA做传感器开发，没记错的话，其clock frequency大概就在250MHz，用来做GHz级别的运算应该是力不从心的，这应该也会限制其在AI领域的发挥吧？或许博主可以从这个角度来探讨一下？
大劉真的不太了解半導體業，算力就是製程縮小的主要推手，fabless 的設計成本也越來越高，開發一個3nm光罩要比一個7nm光罩貴得太多了，不是小廠玩得起，所以 altera xilinx 才會走向合併，買得起的也就 intel amd，新創弄出點新架構，很快就被巨頭併購了，要改變格局，難，沒有發現2010年後，fabless WW top 20 幾乎沒有變動嗎？
其實專門的硬件雖然效能比較高, 但一旦核心變化了可能就成廢品, 所以現在還是偏向通用的GPU比較吃香吧
另外所謂AI的算力，也多被這些台面上資訊及硬體公司給神話了，整𠆤AI 主要算力在解大矩陣行列式。 也就是同時或儘量同時計算（平行計算） y 千萬組的 y千萬𠆤數的連乘積。 極其簡單（小學算術程度）但體量龐大的加減乘除。 無任何高深複雜的計算。
4:23 抬个杠，我来细节优化一下，先把内存数据加载入全局显存，再呼叫cuda内核，在讲全局显存数据批量矩阵压入tensor core 的寄存器，再从全局显存重复压入另一个矩阵B，然后运算并将数据结果矩阵放入累加器C，将累加器结果寄存器矩阵再写入共享显存， 然后再讲共享显存矩阵压回第一个矩阵，开始下一层神经网络迭代。 因为是一次性压入一个矩阵，避免了和低效的全局显存频繁交互，而tensor core晶体管也做了优化，不是和cuda流处理单元一样一次算一个值。
👍👍👍
FPGA开发很容易，看样子是电子系大牛，自己感觉比一般的编程难度上了几个维度，不过会的确实不觉得难，开发流程比一般的编程长很多。eFPGA很多家也在做，嵌入到MPU中也有几家有了，或者直接进入NOC世界。Intel 暂时股价太弱，到15肯定大仓位买入
Have you heard the Australian Edge-AI company named Braidchip?
ASIC通常用於特定任務或算法上，看看比特大陸的礦機就知道，用一段時間就必須淘汰，但算法寫的好效率很高。FPGA可程式化編輯電路，早期頻率上不去是硬傷，現在兩大頭各自被intel跟AMD收購，新產品頻率可以跑到1.5GHz。GPU/IPU/TPU通用運算處理用於早期開發AI模型比較適用，耗電/佔空間/散熱問題註定無法小型化，但計算效率快。最適合的使用方式：GPU/IPU/TPU開發AI模型，將模型算法優化轉化成電路邏輯，將其轉成FPGA電路，每當有新的AI模型，重複以上步驟，遠端更新用戶端設備或邊緣計算工具。
上網查了，你這個說法比影片中的更準確。差點被他專業的表情騙到了。
厉害
一般模型推理的计算量远小于训练时的计算量的，保守十分之一。
脱离剂量谈毒性？推理QPS多少？
可不是十分之一，训练一个模型，数据量是千亿次计算，每个参数，都要按照梯度算法进行多次尝试。参数有多少呢？比如chatGPT有几百亿个神经元，也就意味着有几百亿个参数。一份数据进去，就要进行很多次几百亿浮点运算。这样的数据有多少份呢？至少是千亿级了。 模型训练好了，把数据输入进去，获得结果，是需要每一个神经元进行一次浮点运算的。这个运算量就少多了。 我在給软件开发人员做教学的时候，随便一个教学试例，都要训练至少几天的时间。而应用训练好的模型，输出结果，往往是毫秒级的。
要是沒有大型語言模型的成功是會有Ai晶片的大量需求嗎？
人工智能发展的方向是模型越来越大。目前的单机计算能力还是太弱了。就一个简单的自动驾驶，这是非常狭窄的领域，特斯拉都要开发专用芯片。AI芯片的发展，可以说还没起步。
业内一般不会将ASIC拆成每个字母读，而是读作ai sei ke (拼音)。
主播是总结内容并讲内容的，肯定不是业内人士，chatgpt就是替代他的
@@DreamRunningCreative 你這話還真嘴笑死我
事實上業外也是這麼讀的
英偉達是美國公司，對中國沒任何影響...
真正能模仿自然的AI 必须要量子计算 是这样吗？
講到某某架構、誰家的模式或版本⋯感覺就是要設置『知識產權、技術門檻障礙』，好將來要卡脖子用的！
第一，如果是企业自身卡脖子，这是很正常的。每一个企业，都想保护自己的技术免被窃取。正是因为有知识产权保护，才能鼓励人们创新。第二，如果你说的卡脖子是西方政府的技术禁运，那是因为基于自由世界人们的利益而为。对向朝鲜，中国，俄罗斯，伊朗这样的独裁专制政府进行技术禁运，是合理的。因为，根据民主和平论，非民主国家对世界和平构成极大威胁。所以，对这些流氓国家实行技术禁运，是合理的。今天不禁运，明天，自由世界的人们发明的技术，就会被独裁国家的政府做成武器来杀害自由世界的人民。
比如说俄罗斯，就利用自由世界的技术，做成导弹，坦克，来侵略乌克兰，杀死无辜的乌克兰人民
10000块GPU好像不是出自可信的来源，是猜的。
標題不符，啥格局會變？
不明什么是TPU, GPU, 用過Chatgpt 及其它AI 改相軟件，兩者不是速度上問題，感覺什么AI 還未成熟。 原因是系統不能真正的開況，內里有很多人為限制，及資料不足。 老外做的智能只多他們，而華人問老外AI 便有水土不服，很多問題Chatgpt 也答不出。 相信未來會產生中国与老外AI， 兩者也因政冶上問題，會限制AI 功能
感覺谷歌在玩自己的，都不是一個維度曲高和寡呀。
不是，是他有錢可以揮霍，別人精打細算
中国如果还用集中力量办大事的办法来发展科技，搞什么科技大跃进，只能是死路一条。不要以为从2000年之后的10多年经济发展很快，就以为未来也一样。这10多年的发展，是因为自由世界允许中国加入全球协作。 但是，要想明白，自由世界允许你加入全球协作，目的是以为中国经济发展了，会走向政治改革，民主自由的道路。现在，自由世界已经意识到之前的判断错了。在改弦更张，重新孤立独裁专制的中国。 中国要发展，首先要政治改革，走向自由民主的政治改革道路，大力发展民营企业与市场经济，遏制国有企业，抛弃集中力量办大事的愚昧想法。 即便是在美国，公立学校永远竞争不过私立学校。比如，美国名校，前几名的永远是哪些私立大学。这是在教育领域。在科技领域更是如此，政府补贴领域，不但没有促进作用，还会让研究进入误区。 举个例子，IBM早期是美国政府极力扶持的。但是，很快就被众多的私营企业打败。比如，intel，微软等。 苏联同样也有这样的例子，前苏联时期，国家集中力量办大事，发展电子管。最终却被美国的小小私人半导体公司打败。 为什么科技不能由国家主导？不能由国家来集中力量办大事？科技行业也只要有老板。只有私人老板才会真正的关心这种研究是否符合市场需求。才会避免公地悲剧。
聰明，真知灼見
也衹有大劉和老石能把Fpga講透
都是些表面讲解，讲透上几个学期都不够，应用领域不同就有一个世界。
大刘就算了吧，楼上有个评论说得好的。大刘并非业内，而是归纳和总结，这就是chatgpt干的活儿。关于FPGA的内容就被专业的指出了问题。老石是专业做FPGA，讲自己业内肯定比大刘强多了。
聽了幾期大劉對半導體的視頻，唉，他真的一點都不瞭解，半對半錯的資訊更害人
现在的FPGA的速度上不去
沒有大語言模型來讓更多人運用就沒有Ai晶片的需求.
平庸的时代，对任何的泡沫都是饥渴的
人工神经元组成的npu不可以进行并行处理吗？？
NPU也是。
看個影片 翻個留言 整個yue了 都不知道那個才是對的 沒能力學硬體 我還是去問chatgpt要答案好了
分析 AI 芯片硬件发展，其实主要的关注要素并不在于架构体系，性能，成本等硬件要术，而是软件。其实现在的 AI 模型主要就两种体系, tensorflow/pytorch 无论是在训练，还是推理阶段，得不到这两个模型架构的支持，市场份额是不会超过 1%， nvidia 的目前地位为什么，会这么高，主要原因还是因为，他的软件适配性是最好的。
说的对，业界主流还是tensorflow。我的看法，GPU难以支持大型模型。虽然有联合训练，联合训练的前提条件是领域能够明确的划分。但是，实际上，人类的知识，相互关联很强。大语言模型的方向，还是大规模的专用芯片。把所有人类的知识数据在一起训练。得到一个各个知识模块有机相互关联的模型。当然，一旦做成了，这个模型将会是人类社会的智能知识中心。
@@andytalk 目前来说，nvidia 的分布式能力 HPC 是最强的没有之一，这也就是为什么训练大模型基本上都是 N K, 其他技术方案，就目前来说，还需要一个世代努力
等量子计算机发展成熟了，老黄就该失业下岗了。 现在跳的欢，将来拉青丹。
我只知道我以後可能要花十幾萬買顯卡女友
没一个中国公司
黄教主踩上了好几拨风口了，已经赢麻了！
還在用GPU搞AI，已經落伍啦！韭菜不嫌多
中国人持集体主义价值观，认为人多好办事，集中力量可以办大事。实际非常愚昧。 在高铁领域，到处盖高铁，还应以为傲。实际上，高铁一直亏损。亏损就意味着财富的浪费。建高铁就是个愚昧的主意。广州到长沙距离和曼谷到普吉岛的距离相近，我经常穿梭与两地。广州到长沙的高铁300多元人民币，高铁公司还要亏本。但是，曼谷到普吉岛的飞机票，疫情前，经常就是80到120元人民币。距离相当，飞机时间更短。不发展航空，却搞高铁。这就是集中力量办坏事的例子。因为高铁是国家的，亏赚没人关心。航空公司是私人的或者股民的，必须要精打细算好好经营努力竞争。所以，才会比国有企业更有效率。 再比如，人们以为航天科技投资太大，必须要国家投入才能做。事实上，马斯克的starship使得太空运输成本降低100倍。这是私营企业才做得到。 动用国家力量办大事，几乎所有的事最后都是坏事。要么浪费钱，要么增加贪污。 在芯片行业，习包子又开始搞大跃进，国家投入巨量资金发展芯片业，结果必然是坏的。没两年，几千亿的资金就打了水漂。 最近听说chatGPT又刺激的中共，要投巨资做人工智能研究。可以想象，又有多少民脂民膏被浪费。进到各种贪官污吏的口袋。
@@jacksonchan3053 你是说你自己吧
的确如此，自由竞争和市场化，中国人就能迸发出无尽的创造力。
很精確，資本市場就是效率問題。
及成本問題。
这么蠢的人还写那么多，1450？
/ei 'sik/
大陸的半導體行業走向沒落。沒什麽好改寫的。
ChatGPT以後可以取代你們這些純講解的YT了
我也觉得。
幸亏中国显卡也越来越好了，虽然在游戏优化驱动方面还需要一个一个改进，但是在AI方面更适用进步的更快，对民用和军用帮助很大。
你用过中国显卡玩游戏吗？
@@jgl7190 你沒看清楚他説什麼嗎？一看到中國兩個字就PTSD😂
@@jgl7190 什麼都要全球跟中国比 你美國有什么優勢 日本有什麼優勢 每個國家都有自己優勢 中國能快速追趕 還要自立自強 還有哪個國家有這能耐
我為現在中國驕傲🇨🇳💪
@@yeetop8340 感覺就你一人在那邊PTSD 笑死人對方講出事實你就在那邊扯東扯西
怎麼不用量子芯片？
量子计算机和人工智能没任何关系
現在的量子芯片連編程都做不到，仍然停留在機械計算器的水平，怎麽用來訓練AI？
@@zilchnov5234 量子计算机可以编程的，在我频道，做了一个使用ibm量子计算机编程的教程。
中国梦，不带他们玩
这个频道越来越水了，什么领域都要占的结果就是什么领域都不精，越看越没意思。
中国缺乏隐私保护，无所不在的监控摄像头，确实在前几年促进了人工智能领域的发展，尤其是用卷积神经网络CNN训练出了全世界领先的人脸，体态识别系统。在大语言模型领域，几乎毫无建树。原因是中国言论管制，使得中文的数据远远小于英语的数据量。这个从chatGPT也可以看得出来，如果你用中文问问题，chatGPT回答的质量远远低于英文的质量。 所以，中国做了个人脸识别就以为自己在人工智能领域世界领先。实属意淫。首先，卷积神经网络也不是中国人发明的。中国人只是因为有数据，前几年，芯片也不禁运，所以才有了这点成绩。 中国人缺乏创新能力，集权专制制度引起全世界反感从而导致技术禁运，如果不做改变，可以说，中国不仅仅在人工智能领域内全世界抛弃，在其他任何领域都将被全世界抛弃。
难道不是中国快追上美国才被人搞，一看你就是美帝的狗，没有父母的孤儿。
挺弱智的想法
中国人缺乏创造力这个不对。看看ai领域的论文和成果有多少是华人研究者在海外搞出来就行。只能说欧美确实有更适合华人发挥聪明才智的环境。
不明白你要的隐私究竟是什么隐私, 没人会无缘无故在你隐秘的地方例如你家客厅你家厕所装摄像头, 你是要走在大马路上也需要别人看不见你的隐私?只有触犯法律的人或通缉犯在公共场合才会害怕被摄像头看到!!!
@@Guavaava 举些例子，哪些重要论文是中国人写的。呵呵
咋又是熟悉的跪拜味道呢。全篇只字未提国内业界的努力和进展，潜台词是不值-提吗? 目前美在Al高科技领域对华全面封堵，博主所提的所有这些美国企业巳实际与中国无缘，却还在此一味唾沬横飞的吹。与国外相此，更应扎实的讲讲国内业界的进展和差距及展望才对。
我个普通老百姓对国内业界的信息也毫无兴趣。可能说的不准确但我觉得国内发展什么，都是骗补贴之类的。
@@balalad9348 一个是骗补贴，骗贷款，就像芯片大跃进。还有就是骗股民
哈哈，国内几家FPGA老板都在硅谷住着，总部也在硅谷，产品虽然低端，但希望其越来越好。清华紫光和安路科技除外。
講現實的你拿不到高算力晶片AI練不起來呀
現實是，中國半導體業的海歸，爲了他們的美國護照，已經一大堆離開了中國，在算力領域，留下的人沒有設計軟體可用，有努力但是沒進展，當然沒啥可說
中国人改变极权专制制度走向民主自由的开放社会，拥抱全球的价值观，避免被西方制裁，改变教育制度，改变我们的文化中的劣质内容。中国未来将会为全人类的进步做出真实的贡献。
这在国内是不能碰的滑梯哦😂
日本像个哈巴狗那样舔…美国要收拾还不是一样收拾，你真可爱…
被制裁只是让你当狗而已
难
芯片封堵现已成大漂亮唯-的主要对中打压手段了。黔驴即将技穷，中国定将最终突破。到那时欢迎你再来继续吹民主对决独裁吧。-只只会鹦鹉学舌的大漂亮脑残粉。
Наука
您好，這是 Bing。😊
FPGA 是一種可程式化的硬體裝置，可以用來加速機器學習模型的推理過程1。但是 FPGA 也有一些限制，例如記憶體容量、頻寬和功耗2。因此，要在 FPGA 上訓練上十億參數的模型可能不太可行。
感谢分享，学习了Ai底层架构肯定会起来的
解释的非常清晰
大刘厉害👍
在下以前用过Xilinx 的FPGA做传感器开发，没记错的话，其clock frequency大概就在250MHz，用来做GHz级别的运算应该是力不从心的，这应该也会限制其在AI领域的发挥吧？或许博主可以从这个角度来探讨一下？
大劉真的不太了解半導體業，算力就是製程縮小的主要推手，fabless 的設計成本也越來越高，開發一個3nm光罩要比一個7nm光罩貴得太多了，不是小廠玩得起，所以 altera xilinx 才會走向合併，買得起的也就 intel amd，新創弄出點新架構，很快就被巨頭併購了，要改變格局，難，沒有發現2010年後，fabless WW top 20 幾乎沒有變動嗎？
其實專門的硬件雖然效能比較高, 但一旦核心變化了可能就成廢品, 所以現在還是偏向通用的GPU比較吃香吧
另外所謂AI的算力，也多被這些台面上資訊及硬體公司給神話了，整𠆤AI 主要算力在解大矩陣行列式。 也就是同時或儘量同時計算（平行計算） y 千萬組的 y千萬𠆤數的連乘積。 極其簡單（小學算術程度）但體量龐大的加減乘除。 無任何高深複雜的計算。
4:23 抬个杠，我来细节优化一下，先把内存数据加载入全局显存，再呼叫cuda内核，在讲全局显存数据批量矩阵压入tensor core 的寄存器，再从全局显存重复压入另一个矩阵B，然后运算并将数据结果矩阵放入累加器C，将累加器结果寄存器矩阵再写入共享显存， 然后再讲共享显存矩阵压回第一个矩阵，开始下一层神经网络迭代。 因为是一次性压入一个矩阵，避免了和低效的全局显存频繁交互，而tensor core晶体管也做了优化，不是和cuda流处理单元一样一次算一个值。
👍👍👍
FPGA开发很容易，看样子是电子系大牛，自己感觉比一般的编程难度上了几个维度，不过会的确实不觉得难，开发流程比一般的编程长很多。eFPGA很多家也在做，嵌入到MPU中也有几家有了，或者直接进入NOC世界。Intel 暂时股价太弱，到15肯定大仓位买入
Have you heard the Australian Edge-AI company named Braidchip?
ASIC通常用於特定任務或算法上，看看比特大陸的礦機就知道，用一段時間就必須淘汰，但算法寫的好效率很高。
FPGA可程式化編輯電路，早期頻率上不去是硬傷，現在兩大頭各自被intel跟AMD收購，新產品頻率可以跑到1.5GHz。
GPU/IPU/TPU通用運算處理用於早期開發AI模型比較適用，耗電/佔空間/散熱問題註定無法小型化，但計算效率快。
最適合的使用方式：GPU/IPU/TPU開發AI模型，將模型算法優化轉化成電路邏輯，將其轉成FPGA電路，每當有新的AI模型，重複以上步驟，遠端更新用戶端設備或邊緣計算工具。
上網查了，你這個說法比影片中的更準確。
差點被他專業的表情騙到了。
厉害
一般模型推理的计算量远小于训练时的计算量的，保守十分之一。
脱离剂量谈毒性？推理QPS多少？
可不是十分之一，训练一个模型，数据量是千亿次计算，每个参数，都要按照梯度算法进行多次尝试。参数有多少呢？比如chatGPT有几百亿个神经元，也就意味着有几百亿个参数。一份数据进去，就要进行很多次几百亿浮点运算。这样的数据有多少份呢？至少是千亿级了。
模型训练好了，把数据输入进去，获得结果，是需要每一个神经元进行一次浮点运算的。这个运算量就少多了。
我在給软件开发人员做教学的时候，随便一个教学试例，都要训练至少几天的时间。而应用训练好的模型，输出结果，往往是毫秒级的。
要是沒有大型語言模型的成功
是會有Ai晶片的大量需求嗎？
人工智能发展的方向是模型越来越大。目前的单机计算能力还是太弱了。就一个简单的自动驾驶，这是非常狭窄的领域，特斯拉都要开发专用芯片。AI芯片的发展，可以说还没起步。
业内一般不会将ASIC拆成每个字母读，而是读作ai sei ke (拼音)。
主播是总结内容并讲内容的，肯定不是业内人士，chatgpt就是替代他的
@@DreamRunningCreative
你這話還真嘴
笑死我
事實上業外也是這麼讀的
英偉達是美國公司，對中
國沒任何影響...
真正能模仿自然的AI 必须要量子计算 是这样吗？
講到某某架構、誰家的模式或版本⋯感覺就是要設置『知識產權、技術門檻障礙』，好將來要卡脖子用的！
第一，如果是企业自身卡脖子，这是很正常的。每一个企业，都想保护自己的技术免被窃取。正是因为有知识产权保护，才能鼓励人们创新。
第二，如果你说的卡脖子是西方政府的技术禁运，那是因为基于自由世界人们的利益而为。对向朝鲜，中国，俄罗斯，伊朗这样的独裁专制政府进行技术禁运，是合理的。因为，根据民主和平论，非民主国家对世界和平构成极大威胁。所以，对这些流氓国家实行技术禁运，是合理的。今天不禁运，明天，自由世界的人们发明的技术，就会被独裁国家的政府做成武器来杀害自由世界的人民。
比如说俄罗斯，就利用自由世界的技术，做成导弹，坦克，来侵略乌克兰，杀死无辜的乌克兰人民
10000块GPU好像不是出自可信的来源，是猜的。
標題不符，啥格局會變？
不明什么是TPU, GPU, 用過Chatgpt 及其它AI 改相軟件，兩者不是速度上問題，感覺什么AI 還未成熟。 原因是系統不能真正的開況，內里有很多人為限制，及資料不足。 老外做的智能只多他們，而華人問老外AI 便有水土不服，很多問題Chatgpt 也答不出。 相信未來會產生中国与老外AI， 兩者也因政冶上問題，會限制AI 功能
感覺谷歌在玩自己的，都不是一個維度曲高和寡呀。
不是，是他有錢可以揮霍，別人精打細算
中国如果还用集中力量办大事的办法来发展科技，搞什么科技大跃进，只能是死路一条。不要以为从2000年之后的10多年经济发展很快，就以为未来也一样。这10多年的发展，是因为自由世界允许中国加入全球协作。
但是，要想明白，自由世界允许你加入全球协作，目的是以为中国经济发展了，会走向政治改革，民主自由的道路。现在，自由世界已经意识到之前的判断错了。在改弦更张，重新孤立独裁专制的中国。
中国要发展，首先要政治改革，走向自由民主的政治改革道路，大力发展民营企业与市场经济，遏制国有企业，抛弃集中力量办大事的愚昧想法。
即便是在美国，公立学校永远竞争不过私立学校。比如，美国名校，前几名的永远是哪些私立大学。这是在教育领域。在科技领域更是如此，政府补贴领域，不但没有促进作用，还会让研究进入误区。
举个例子，IBM早期是美国政府极力扶持的。但是，很快就被众多的私营企业打败。比如，intel，微软等。
苏联同样也有这样的例子，前苏联时期，国家集中力量办大事，发展电子管。最终却被美国的小小私人半导体公司打败。
为什么科技不能由国家主导？不能由国家来集中力量办大事？科技行业也只要有老板。只有私人老板才会真正的关心这种研究是否符合市场需求。才会避免公地悲剧。
聰明，真知灼見
也衹有大劉和老石能把Fpga講透
都是些表面讲解，讲透上几个学期都不够，应用领域不同就有一个世界。
大刘就算了吧，楼上有个评论说得好的。大刘并非业内，而是归纳和总结，这就是chatgpt干的活儿。关于FPGA的内容就被专业的指出了问题。老石是专业做FPGA，讲自己业内肯定比大刘强多了。
聽了幾期大劉對半導體的視頻，唉，他真的一點都不瞭解，半對半錯的資訊更害人
现在的FPGA的速度上不去
沒有大語言模型來讓更多人運用
就沒有Ai晶片的需求.
平庸的时代，对任何的泡沫都是饥渴的
人工神经元组成的npu不可以进行并行处理吗？？
NPU也是。
看個影片 翻個留言 整個yue了 都不知道那個才是對的 沒能力學硬體 我還是去問chatgpt要答案好了
分析 AI 芯片硬件发展，其实主要的关注要素并不在于架构体系，性能，成本等硬件要术，而是软件。其实现在的 AI 模型主要就两种体系, tensorflow/pytorch 无论是在训练，还是推理阶段，得不到这两个模型架构的支持，市场份额是不会超过 1%， nvidia 的目前地位为什么，会这么高，主要原因还是因为，他的软件适配性是最好的。
说的对，业界主流还是tensorflow。我的看法，GPU难以支持大型模型。虽然有联合训练，联合训练的前提条件是领域能够明确的划分。但是，实际上，人类的知识，相互关联很强。大语言模型的方向，还是大规模的专用芯片。把所有人类的知识数据在一起训练。得到一个各个知识模块有机相互关联的模型。当然，一旦做成了，这个模型将会是人类社会的智能知识中心。
@@andytalk 目前来说，nvidia 的分布式能力 HPC 是最强的没有之一，这也就是为什么训练大模型基本上都是 N K, 其他技术方案，就目前来说，还需要一个世代努力
等量子计算机发展成熟了，老黄就该失业下岗了。 现在跳的欢，将来拉青丹。
我只知道我以後可能要花十幾萬買顯卡女友
没一个中国公司
黄教主踩上了好几拨风口了，已经赢麻了！
還在用GPU搞AI，已經落伍啦！韭菜不嫌多
中国人持集体主义价值观，认为人多好办事，集中力量可以办大事。实际非常愚昧。
在高铁领域，到处盖高铁，还应以为傲。实际上，高铁一直亏损。亏损就意味着财富的浪费。建高铁就是个愚昧的主意。广州到长沙距离和曼谷到普吉岛的距离相近，我经常穿梭与两地。广州到长沙的高铁300多元人民币，高铁公司还要亏本。但是，曼谷到普吉岛的飞机票，疫情前，经常就是80到120元人民币。距离相当，飞机时间更短。不发展航空，却搞高铁。这就是集中力量办坏事的例子。因为高铁是国家的，亏赚没人关心。航空公司是私人的或者股民的，必须要精打细算好好经营努力竞争。所以，才会比国有企业更有效率。
再比如，人们以为航天科技投资太大，必须要国家投入才能做。事实上，马斯克的starship使得太空运输成本降低100倍。这是私营企业才做得到。
动用国家力量办大事，几乎所有的事最后都是坏事。要么浪费钱，要么增加贪污。
在芯片行业，习包子又开始搞大跃进，国家投入巨量资金发展芯片业，结果必然是坏的。没两年，几千亿的资金就打了水漂。
最近听说chatGPT又刺激的中共，要投巨资做人工智能研究。可以想象，又有多少民脂民膏被浪费。进到各种贪官污吏的口袋。
@@jacksonchan3053 你是说你自己吧
的确如此，自由竞争和市场化，中国人就能迸发出无尽的创造力。
很精確，資本市場就是效率問題。
及成本問題。
这么蠢的人还写那么多，1450？
/ei 'sik/
大陸的半導體行業走向沒落。沒什麽好改寫的。
ChatGPT以後可以取代你們這些純講解的YT了
我也觉得。
幸亏中国显卡也越来越好了，虽然在游戏优化驱动方面还需要一个一个改进，但是在AI方面更适用进步的更快，对民用和军用帮助很大。
你用过中国显卡玩游戏吗？
@@jgl7190 你沒看清楚他説什麼嗎？一看到中國兩個字就PTSD😂
@@jgl7190 什麼都要全球跟中国比 你美國有什么優勢 日本有什麼優勢 每個國家都有自己優勢 中國能快速追趕 還要自立自強 還有哪個國家有這能耐
我為現在中國驕傲🇨🇳💪
@@yeetop8340
感覺就你一人在那邊PTSD 笑死人
對方講出事實你就在那邊扯東扯西
怎麼不用量子芯片？
量子计算机和人工智能没任何关系
現在的量子芯片連編程都做不到，仍然停留在機械計算器的水平，怎麽用來訓練AI？
@@zilchnov5234 量子计算机可以编程的，在我频道，做了一个使用ibm量子计算机编程的教程。
中国梦，不带他们玩
这个频道越来越水了，什么领域都要占的结果就是什么领域都不精，越看越没意思。
中国缺乏隐私保护，无所不在的监控摄像头，确实在前几年促进了人工智能领域的发展，尤其是用卷积神经网络CNN训练出了全世界领先的人脸，体态识别系统。在大语言模型领域，几乎毫无建树。原因是中国言论管制，使得中文的数据远远小于英语的数据量。这个从chatGPT也可以看得出来，如果你用中文问问题，chatGPT回答的质量远远低于英文的质量。
所以，中国做了个人脸识别就以为自己在人工智能领域世界领先。实属意淫。首先，卷积神经网络也不是中国人发明的。中国人只是因为有数据，前几年，芯片也不禁运，所以才有了这点成绩。
中国人缺乏创新能力，集权专制制度引起全世界反感从而导致技术禁运，如果不做改变，可以说，中国不仅仅在人工智能领域内全世界抛弃，在其他任何领域都将被全世界抛弃。
难道不是中国快追上美国才被人搞，一看你就是美帝的狗，没有父母的孤儿。
挺弱智的想法
中国人缺乏创造力这个不对。看看ai领域的论文和成果有多少是华人研究者在海外搞出来就行。只能说欧美确实有更适合华人发挥聪明才智的环境。
不明白你要的隐私究竟是什么隐私, 没人会无缘无故在你隐秘的地方例如你家客厅你家厕所装摄像头, 你是要走在大马路上也需要别人看不见你的隐私?
只有触犯法律的人或通缉犯在公共场合才会害怕被摄像头看到!!!
@@Guavaava 举些例子，哪些重要论文是中国人写的。呵呵
咋又是熟悉的跪拜味道呢。全篇只字未提国内业界的努力和进展，潜台词是不值-提吗? 目前美在Al高科技领域对华全面封堵，博主所提的所有这些美国企业巳实际与中国无缘，却还在此一味唾沬横飞的吹。与国外相此，更应扎实的讲讲国内业界的进展和差距及展望才对。
我个普通老百姓对国内业界的信息也毫无兴趣。可能说的不准确但我觉得国内发展什么，都是骗补贴之类的。
@@balalad9348 一个是骗补贴，骗贷款，就像芯片大跃进。还有就是骗股民
哈哈，国内几家FPGA老板都在硅谷住着，总部也在硅谷，产品虽然低端，但希望其越来越好。清华紫光和安路科技除外。
講現實的你拿不到高算力晶片AI練不起來呀
現實是，中國半導體業的海歸，爲了他們的美國護照，已經一大堆離開了中國，在算力領域，留下的人沒有設計軟體可用，有努力但是沒進展，當然沒啥可說
中国人改变极权专制制度走向民主自由的开放社会，拥抱全球的价值观，避免被西方制裁，改变教育制度，改变我们的文化中的劣质内容。中国未来将会为全人类的进步做出真实的贡献。
这在国内是不能碰的滑梯哦😂
日本像个哈巴狗那样舔…美国要收拾还不是一样收拾，你真可爱…
被制裁只是让你当狗而已
难
芯片封堵现已成大漂亮唯-的主要对中打压手段了。黔驴即将技穷，中国定将最终突破。到那时欢迎你再来继续吹民主对决独裁吧。-只只会鹦鹉学舌的大漂亮脑残粉。