迎接美联储利率决议,黄金欧盘极速拉升,目前金价1674.7,隔夜多单以获利120点,
美盘黄金回调1670/68附近继续做多,如突破1680则看1690/95/1700附近,如美盘之前突破1680,不犹豫直接多。先恭喜直播间跟上的朋友!再一次收米#美原油[超话]##外汇[超话]##黄金外汇原油[超话]##现货黄金[超话]##外汇黄金[超话]##伦敦金[超话]#
美盘黄金回调1670/68附近继续做多,如突破1680则看1690/95/1700附近,如美盘之前突破1680,不犹豫直接多。先恭喜直播间跟上的朋友!再一次收米#美原油[超话]##外汇[超话]##黄金外汇原油[超话]##现货黄金[超话]##外汇黄金[超话]##伦敦金[超话]#
扬言「吊打」英伟达的AI芯片公司,快被现实打趴了(中)
源自:包永刚AI科技评论
2、起个大早,赶了个晚集的「早鸟」
说来有趣,有产品但还要抢融资的公司A此前面临过一次融资危机,公司的两次动荡为这家公司的前景蒙上一层阴影。另一家起个大早的AI芯片初创公司B早早准备好产品,却被困在了软件里,先发优势消耗殆尽。
两家起了大早赶了晚集的AI芯片公司,一个从公司经营的维度,另一个从产品的维度,展现了大芯片创业的巨大挑战。
两次动荡,前途未卜
A公司成立很早,2018年就发布了首款产品,占据了先发优势,但这家公司的前员工向雷峰网透露,在公司发布首款产品的一年多之后,融资一直处于B轮,融资进度跟不上研发需求,于是开始缩减业务、欠薪、裁员,连CEO也被“裁”了。
A公司的前员工透露,“那次的大变动,公司只保留了芯片团队,公司管理层和业务大洗牌。不过融资也只是公司动荡的其中一个因素,实际是各种因素的共同作用。”
业界的说法是,这家公司的CEO和联合创始人在技术路线上理念不合,联合创始人和投资人一起让CEO出局。
创始人被踢出局的戏码算不上新鲜,但不幸的是公司的关键人物变动似乎成了这家公司的“劫”。
A公司在第一次动荡之后重整旗鼓,发布了新产品,迎来新的掌舵人,正当一切都重回正轨之时,再次遭遇动荡。
“A公司新任CEO气焰有些嚣张,声称某公司的项目势在必得,2022年能落地2亿的项目。”多位AI芯片业界人士都向雷峰网提及。
但这位经验丰富的CEO还没实际创造2亿的营收就遭遇了调查。
“一时间,香饽饽CEO好像成了烫手山芋,不说2亿,不知道A公司今年能不能实现几千万的营收?”这成了同行会关注的话题。
每代产品不同样,没有高质量落地项目
A公司因为人的因素没能占尽先机之时,B公司被局限在了创始团队的认知里。
“软件做的真的太差,客户没办法用起来,自然难落地。”几位B公司前员工以及业内同行都如此评价。
软件没做起来,是因为硬件设计也有问题。
“B公司的芯片迭代到了第三代,但每一代芯片架构思路都在变,甚至首席架构师都不同,设计出的硬件微架构也有很大的不同,硬件架构没有延续性,就算软件的工程师再努力,软件也难以复用,每一代产品软件就像是从零开始。”了解B公司的马超(化名)说:“另一方面,B公司没有能真正掌控整个软件栈的技术大牛。”
一位B公司的前员工透露,公司没有业界顶尖的大牛,软件团队的人背景虽然都还不错,但就背景差不多造成了相互看不上,怎么可能做出好产品。当然,公司请过一个业内某技术领域的高手,但面对AI芯片这么大一摊子软件,估计也很难把控,待了一个多月两个月就离开了。
对于这种情况,几位业界人士有一些共识,这家公司的创始人确实是有深厚积累的芯片专家,但毕竟不是芯片架构方面的专家,有局限性也很正常。但这家公司的创始团队中没有软件的大牛,外部招来的人即便能力再强,也很难被“接纳”,在核心管理团队中没有话语权,也很难发挥合力做出好产品。
没有高效、好用的软件,也是B公司的投资人虽然购买了少量芯片测试,但没能通过灰度测试,进入大规模采购环节的关键原因。当然,B公司也拿到了政府项目,订单金额不小,但实际能不能产生真实利润都存疑,算不上高质量、可复制的落地项目。
其实,目前国内AI云端芯片公司大部分创始团队都是有深厚的芯片从业背景,在对软件的理解和重要性的认知上有明显的局限。
一位国内AI芯片公司软件的负责人直言:“CEO和CTO都听不懂我的工作。一些国内AI公司创始人对软件的认知,相比领先的国际大公司,我认为有十几年的差距。”
那么,AI芯片的软件到底难在哪?
被AI软件栈困扰的AI芯片公司负责人陈俊(化名)指出,一方面,AI芯片的软件是从零开始,具有天然的复杂性,与CPU不同,各家的AI芯片计算架构和指令都不同,从编译器到库再到框架的适配,都不像CPU一样有开源可以复用的东西。
另一方面,AI的软件生态实际上就是英伟达生态,但英伟达的软件生态,尤其是CUDA相关的核心部分都是闭源、封闭的,想要将自家的软件与英伟达的生态兼容的难度可想而知,想要短期内自己建立一个新的AI生态,无异于痴人说梦。
最后,云端AI推理应用的多变性。目前AI的算法和模型仍然在快速发展和迭代,好不容易实现了图像分类ResNet 50模型的优化,新的语言模型BERT模型又开始流行,自然语言处理模型又开始越变越大,BERT的各种变形枝繁叶茂,这也增加了AI芯片软件的开发难度。
尤其是编译器相关的开发难度,以及针对不同模型不依赖手工优化,仅通过编译器完成自动化性能优化的模型泛化能力,这个能力的缺失几乎成了大多数AI芯片停留在“送测”而不能获取订单的核心原因。
这些是所有英伟达的挑战者面对的技术难题,同时还有人才的挑战。
马超和大多数AI芯片的从业者有相同的观点,“要打造一个完整易用的AI软件栈,必须要有一个不仅熟悉驱动、固件等基础软件,既能够从上向下看,也要能从下往上看,对整个AI软件生态有全面认识,有足够经验和能力的软件大牛。”
“AI芯片火起来之前,在国内做编译器是个非常冷门的职业。”陈俊说:“编译器是AI芯片软件栈中重要的部分,国内芯片相关软件人才非常匮乏。”
源自:包永刚AI科技评论
2、起个大早,赶了个晚集的「早鸟」
说来有趣,有产品但还要抢融资的公司A此前面临过一次融资危机,公司的两次动荡为这家公司的前景蒙上一层阴影。另一家起个大早的AI芯片初创公司B早早准备好产品,却被困在了软件里,先发优势消耗殆尽。
两家起了大早赶了晚集的AI芯片公司,一个从公司经营的维度,另一个从产品的维度,展现了大芯片创业的巨大挑战。
两次动荡,前途未卜
A公司成立很早,2018年就发布了首款产品,占据了先发优势,但这家公司的前员工向雷峰网透露,在公司发布首款产品的一年多之后,融资一直处于B轮,融资进度跟不上研发需求,于是开始缩减业务、欠薪、裁员,连CEO也被“裁”了。
A公司的前员工透露,“那次的大变动,公司只保留了芯片团队,公司管理层和业务大洗牌。不过融资也只是公司动荡的其中一个因素,实际是各种因素的共同作用。”
业界的说法是,这家公司的CEO和联合创始人在技术路线上理念不合,联合创始人和投资人一起让CEO出局。
创始人被踢出局的戏码算不上新鲜,但不幸的是公司的关键人物变动似乎成了这家公司的“劫”。
A公司在第一次动荡之后重整旗鼓,发布了新产品,迎来新的掌舵人,正当一切都重回正轨之时,再次遭遇动荡。
“A公司新任CEO气焰有些嚣张,声称某公司的项目势在必得,2022年能落地2亿的项目。”多位AI芯片业界人士都向雷峰网提及。
但这位经验丰富的CEO还没实际创造2亿的营收就遭遇了调查。
“一时间,香饽饽CEO好像成了烫手山芋,不说2亿,不知道A公司今年能不能实现几千万的营收?”这成了同行会关注的话题。
每代产品不同样,没有高质量落地项目
A公司因为人的因素没能占尽先机之时,B公司被局限在了创始团队的认知里。
“软件做的真的太差,客户没办法用起来,自然难落地。”几位B公司前员工以及业内同行都如此评价。
软件没做起来,是因为硬件设计也有问题。
“B公司的芯片迭代到了第三代,但每一代芯片架构思路都在变,甚至首席架构师都不同,设计出的硬件微架构也有很大的不同,硬件架构没有延续性,就算软件的工程师再努力,软件也难以复用,每一代产品软件就像是从零开始。”了解B公司的马超(化名)说:“另一方面,B公司没有能真正掌控整个软件栈的技术大牛。”
一位B公司的前员工透露,公司没有业界顶尖的大牛,软件团队的人背景虽然都还不错,但就背景差不多造成了相互看不上,怎么可能做出好产品。当然,公司请过一个业内某技术领域的高手,但面对AI芯片这么大一摊子软件,估计也很难把控,待了一个多月两个月就离开了。
对于这种情况,几位业界人士有一些共识,这家公司的创始人确实是有深厚积累的芯片专家,但毕竟不是芯片架构方面的专家,有局限性也很正常。但这家公司的创始团队中没有软件的大牛,外部招来的人即便能力再强,也很难被“接纳”,在核心管理团队中没有话语权,也很难发挥合力做出好产品。
没有高效、好用的软件,也是B公司的投资人虽然购买了少量芯片测试,但没能通过灰度测试,进入大规模采购环节的关键原因。当然,B公司也拿到了政府项目,订单金额不小,但实际能不能产生真实利润都存疑,算不上高质量、可复制的落地项目。
其实,目前国内AI云端芯片公司大部分创始团队都是有深厚的芯片从业背景,在对软件的理解和重要性的认知上有明显的局限。
一位国内AI芯片公司软件的负责人直言:“CEO和CTO都听不懂我的工作。一些国内AI公司创始人对软件的认知,相比领先的国际大公司,我认为有十几年的差距。”
那么,AI芯片的软件到底难在哪?
被AI软件栈困扰的AI芯片公司负责人陈俊(化名)指出,一方面,AI芯片的软件是从零开始,具有天然的复杂性,与CPU不同,各家的AI芯片计算架构和指令都不同,从编译器到库再到框架的适配,都不像CPU一样有开源可以复用的东西。
另一方面,AI的软件生态实际上就是英伟达生态,但英伟达的软件生态,尤其是CUDA相关的核心部分都是闭源、封闭的,想要将自家的软件与英伟达的生态兼容的难度可想而知,想要短期内自己建立一个新的AI生态,无异于痴人说梦。
最后,云端AI推理应用的多变性。目前AI的算法和模型仍然在快速发展和迭代,好不容易实现了图像分类ResNet 50模型的优化,新的语言模型BERT模型又开始流行,自然语言处理模型又开始越变越大,BERT的各种变形枝繁叶茂,这也增加了AI芯片软件的开发难度。
尤其是编译器相关的开发难度,以及针对不同模型不依赖手工优化,仅通过编译器完成自动化性能优化的模型泛化能力,这个能力的缺失几乎成了大多数AI芯片停留在“送测”而不能获取订单的核心原因。
这些是所有英伟达的挑战者面对的技术难题,同时还有人才的挑战。
马超和大多数AI芯片的从业者有相同的观点,“要打造一个完整易用的AI软件栈,必须要有一个不仅熟悉驱动、固件等基础软件,既能够从上向下看,也要能从下往上看,对整个AI软件生态有全面认识,有足够经验和能力的软件大牛。”
“AI芯片火起来之前,在国内做编译器是个非常冷门的职业。”陈俊说:“编译器是AI芯片软件栈中重要的部分,国内芯片相关软件人才非常匮乏。”
我恨,走之前就已经说了,我也有一个不会,你到时候问一下转专业进来的同学,她教的我.我得先回寝室了,然后又让我过来搞这个我也不会的[困],等我走到了,她已经在打电话问老师了,我说这个就是我说的我不会的那个,态度又很无所谓,我饭也没有吃,昨天晚上又感冒了,今天又是生理期第一天,肚子痛,[丰收了][丰收了]感觉今天全世界都在和我作对,什么时候毁灭这个b世界[融化][融化]
✋热门推荐