【“火山”布雷车真的要来了?台网友:票投民进党,台湾直接变战场】
据台媒报道,台防务部门2024年度预算书披露,台湾地区向美采购的“火山陆上机动布雷系统”共计14套,7套将于今年底运交台湾,另7套预计在2026年运抵台湾,主要目的是为“有效阻止、迟滞解放军登陆”。
美方去年12月宣布14套“火山布雷系统”对台军售案,总金额1.8亿美元(约新台币54.5亿余元),包含“火山布雷系统”、M977A4重型卡车、M87A1反战车地雷,以及M88、M89训练用地雷等。
根据台防务部门最新的2024年预算书显示,金额略有调整,连同军购款及后勤设施等配合款在内,总计约新台币49亿元,从2022年至2029年分别编列预算。该计划原本预计2029年底前全数交运,并部署于台陆军北中南3个军团的工兵群。
报道称,这项俗称“火山”的“火山陆上机动布雷系统”,代号“九阵专案”。台军曾公开说明,会利用“火山”地雷的机动布雷特性,在判明解放军登陆路线后再做布置。并强调“火山布雷系统”是战防雷,浮布在整个地面上。
对于“火山陆上机动布雷系统”危害的恐惧与担忧情绪在岛内持续发酵。早在2022年美国正式宣布对台军售“M136火山车载布雷系统”项目时,就在全台引起轩然大波,岛内舆论担忧并炮轰“台湾将沦为地雷岛”。
台立法机构民众党党团总召邱臣远就曾指出,“火山布雷系统”是美苏冷战时代的机动布雷系统,虽然针对战车而非人,但台湾是人口密集的小岛,还需要对“火山布雷系统”这种“非特定人员及载具”杀伤武器进行评估。
有岛内舆论痛批,以前是“票投民进党、青年上战场”,现在是“票投民进党、台湾直接变战场”。目前美国对台出售武器,就是欲将台湾打造成一只武装的“刺猬”、“豪猪”或“毒蛙”等各种“火力岛”,妄图让两岸进行激烈的焦土战。
美对台军援军售,养肥的只是美军工复合体,损害的却是台湾同胞的安全与福祉。“以台制华”注定失败,“以武谋独”死路一条。民进党当局这是在朝绝路上走,整个台湾及岛内2300多万民众决不能被民进党和美国绑上战车!奉劝民进党当局认清形势处境,悬崖勒马,不要在错误和危险的道路上越走越远。(来源:深圳卫视直新闻微信)
据台媒报道,台防务部门2024年度预算书披露,台湾地区向美采购的“火山陆上机动布雷系统”共计14套,7套将于今年底运交台湾,另7套预计在2026年运抵台湾,主要目的是为“有效阻止、迟滞解放军登陆”。
美方去年12月宣布14套“火山布雷系统”对台军售案,总金额1.8亿美元(约新台币54.5亿余元),包含“火山布雷系统”、M977A4重型卡车、M87A1反战车地雷,以及M88、M89训练用地雷等。
根据台防务部门最新的2024年预算书显示,金额略有调整,连同军购款及后勤设施等配合款在内,总计约新台币49亿元,从2022年至2029年分别编列预算。该计划原本预计2029年底前全数交运,并部署于台陆军北中南3个军团的工兵群。
报道称,这项俗称“火山”的“火山陆上机动布雷系统”,代号“九阵专案”。台军曾公开说明,会利用“火山”地雷的机动布雷特性,在判明解放军登陆路线后再做布置。并强调“火山布雷系统”是战防雷,浮布在整个地面上。
对于“火山陆上机动布雷系统”危害的恐惧与担忧情绪在岛内持续发酵。早在2022年美国正式宣布对台军售“M136火山车载布雷系统”项目时,就在全台引起轩然大波,岛内舆论担忧并炮轰“台湾将沦为地雷岛”。
台立法机构民众党党团总召邱臣远就曾指出,“火山布雷系统”是美苏冷战时代的机动布雷系统,虽然针对战车而非人,但台湾是人口密集的小岛,还需要对“火山布雷系统”这种“非特定人员及载具”杀伤武器进行评估。
有岛内舆论痛批,以前是“票投民进党、青年上战场”,现在是“票投民进党、台湾直接变战场”。目前美国对台出售武器,就是欲将台湾打造成一只武装的“刺猬”、“豪猪”或“毒蛙”等各种“火力岛”,妄图让两岸进行激烈的焦土战。
美对台军援军售,养肥的只是美军工复合体,损害的却是台湾同胞的安全与福祉。“以台制华”注定失败,“以武谋独”死路一条。民进党当局这是在朝绝路上走,整个台湾及岛内2300多万民众决不能被民进党和美国绑上战车!奉劝民进党当局认清形势处境,悬崖勒马,不要在错误和危险的道路上越走越远。(来源:深圳卫视直新闻微信)
【火“出圈”的天津文旅,游不够的津门故里】
#第十三届中国旅游产业博览会#
9月1日,第十三届中国旅游产业博览会在国家会展中心(天津)正式拉开帷幕;几天前,中国旅游产业博览会永久落户天津。
一时间,海河之滨天津的文旅火“出圈”了。
近日获悉,天津上线发布新版公益性地图,包含《南开区文化旅游图》在内共六幅,以市内六区的文旅资源为切入点,图文并茂展示了古文化街旅游区等140余处文化旅游资源,依托地图简明直观地展示了各区文化旅游资源分布情况,形成专题公益性地图产品。
先来看看最新发布的《南开区文化旅游图》吧。
南开区文化旅游图(点击放大)
纵观这张图,可以清晰地看到,它展现了南开区的主要景区、文博场馆以及住宿酒店等点位,并以图文形式简要介绍了13处景区,其中A级景区多达8处,包括闻名全国、中心城区唯一的5A级景区天津古文化街。
南开区文化旅游图(局部)
天津依水而建、因河而兴。作为天津城市发源地,位于海河西岸的老城厢地区不仅蕴含了游子的乡愁,也涵盖了人们对其古老而灵秀、现代而优雅的深刻记忆。在这张《南开区文化旅游图》中,共标记了10处来自老城厢地区的景点,分别为:
近年来,南开区深挖老城厢-古文化街片区深厚的历史文化底蕴,串珠成链、连线成片,连通鼓楼、古文化街和天后宫、文庙、广东会馆等资源,以及大悦城、仁恒伊势丹等商圈载体,讲好“南开故事”,加快文商旅体融合发展,促进文化要素向文化产品转化、文化资源与旅游产业融合,打好“文旅牌”、激活消费力。今年“五一”以来,古文化街实现24小时开街运营,单日游客人数高峰达到28万人,刷新了自1986年开街以来的历史纪录,获评第二批国家级旅游休闲街区。
本届旅博会上,南开展区整体造型突出老城厢元素,以“津门故里,沽上艺苑”为主题,突出南开区文旅资源特色,展现老城文化、妈祖文化、民俗文化、非遗特色,突出现代科技与传统文化相结合,集中展示、宣传、推介南开文化旅游特色产品。
拥有600余年历史的天津老城厢,将再次闪耀国家级展会!
综合:津云 天津市地理信息公共服务平台
#第十三届中国旅游产业博览会#
9月1日,第十三届中国旅游产业博览会在国家会展中心(天津)正式拉开帷幕;几天前,中国旅游产业博览会永久落户天津。
一时间,海河之滨天津的文旅火“出圈”了。
近日获悉,天津上线发布新版公益性地图,包含《南开区文化旅游图》在内共六幅,以市内六区的文旅资源为切入点,图文并茂展示了古文化街旅游区等140余处文化旅游资源,依托地图简明直观地展示了各区文化旅游资源分布情况,形成专题公益性地图产品。
先来看看最新发布的《南开区文化旅游图》吧。
南开区文化旅游图(点击放大)
纵观这张图,可以清晰地看到,它展现了南开区的主要景区、文博场馆以及住宿酒店等点位,并以图文形式简要介绍了13处景区,其中A级景区多达8处,包括闻名全国、中心城区唯一的5A级景区天津古文化街。
南开区文化旅游图(局部)
天津依水而建、因河而兴。作为天津城市发源地,位于海河西岸的老城厢地区不仅蕴含了游子的乡愁,也涵盖了人们对其古老而灵秀、现代而优雅的深刻记忆。在这张《南开区文化旅游图》中,共标记了10处来自老城厢地区的景点,分别为:
近年来,南开区深挖老城厢-古文化街片区深厚的历史文化底蕴,串珠成链、连线成片,连通鼓楼、古文化街和天后宫、文庙、广东会馆等资源,以及大悦城、仁恒伊势丹等商圈载体,讲好“南开故事”,加快文商旅体融合发展,促进文化要素向文化产品转化、文化资源与旅游产业融合,打好“文旅牌”、激活消费力。今年“五一”以来,古文化街实现24小时开街运营,单日游客人数高峰达到28万人,刷新了自1986年开街以来的历史纪录,获评第二批国家级旅游休闲街区。
本届旅博会上,南开展区整体造型突出老城厢元素,以“津门故里,沽上艺苑”为主题,突出南开区文旅资源特色,展现老城文化、妈祖文化、民俗文化、非遗特色,突出现代科技与传统文化相结合,集中展示、宣传、推介南开文化旅游特色产品。
拥有600余年历史的天津老城厢,将再次闪耀国家级展会!
综合:津云 天津市地理信息公共服务平台
周末写篇长文《浅谈大模型的成本和AI基础设施的重要性》
我不懂大模型,但是懂一点系统和infrastructure,从后者角度简单聊一下大模型的成本和AI基础设施的重要性。
1. 和很多人的认识不一样,相对于训练,很多时候,大模型的计算主要是用于推理,推理成本(实时回答用户的请求)才是主要的开销,包括OpenAI。对大多数自己并不(从头)开发和训练大模型,只是利用开源模型进行微调的公司更是如此,这样的公司也不需要频繁的模型训练。
另一方面,大语言模型的推理需要根据上下文一个一个产生token,需要访问大量的模型参数和数据,对算力和内存要求都很高,尤其当用户和请求量增加以后,推理的成本越来越高,OpenAI的ChatGPT也扛不住,所以才要限流。
2. 非常粗略地估算一下ChatGPT的推理成本。ChatGPT有1亿用户,假定有10%的活跃用户,每人每天平均问5个问题,一天的请求量就是5000万(谷歌一天的搜索请求大概是100亿),Altman提到过一个请求的成本平均是几美分。按1美分算,一天的开销就是50万美元。目前传闻是OpenAI每天成本大约10万美元,我的估计高了点,不过也在一个数量级。
3. 从另一个角度估算ChatGPT推理的成本,GPT 3.5有1750亿个参数, 需要大概800GB内存存储这些参数,每个请求大约需要8个A100 GPU。每秒处理600个请求,需要5000个A100 GPU。租用共有云的GPU,1个GPU 1小时3美元,一天的成本是36万美元。和前面的估算差不多,每天的成本都在几十万美元,非常烧钱。
4. 降低大模型的费用,需要从多方面入手,除了更好的的硬件、算法和小而精的模型外,优化资源管理和调度来提高服务器资源的利用率很关键。比如这个工作通过动态批处理来提升推理的效率,可以把推理的QPS提高10倍以上。博客:https://t.cn/A60reEqg。论文:Orca: A Distributed Serving System for Transformer-Based Generative Models https://t.cn/A6O54pFC
5. 除了吞吐量,请求的延迟是个更大的问题,互联网搜索的平均延迟是300毫秒,大模型目前是2秒,加上其他开销,可能是几十秒甚至分钟级别。
6. 随着开源大模型越来越多,如何利用已有的模型开发适合特定领域的应用是一方面,效率和成本是另一个关键。像互联网时代的大规模分布式系统一样,AI基础设施包括架构,设计和实现很需要保证良好的scalability,reliability,performance和efficiency。OpenAI使用Kubernetes,两年前就对大规模Kubernetes集群做了不少优化。https://t.cn/A6O54pFN。
7. 基础设施决定上层建筑。伟大的AI公司需要有像Google当年的Jeff Dean和Urs Hölzle这样的计算机系统领军人物来构建高效可靠的AI基础设施和平台。
8. AI时代,Infrastructure和计算机系统人才大有用武之地。
参考: https://t.cn/A6O54pF0
#人工智能##大模型##科技##AI基础设施#
我不懂大模型,但是懂一点系统和infrastructure,从后者角度简单聊一下大模型的成本和AI基础设施的重要性。
1. 和很多人的认识不一样,相对于训练,很多时候,大模型的计算主要是用于推理,推理成本(实时回答用户的请求)才是主要的开销,包括OpenAI。对大多数自己并不(从头)开发和训练大模型,只是利用开源模型进行微调的公司更是如此,这样的公司也不需要频繁的模型训练。
另一方面,大语言模型的推理需要根据上下文一个一个产生token,需要访问大量的模型参数和数据,对算力和内存要求都很高,尤其当用户和请求量增加以后,推理的成本越来越高,OpenAI的ChatGPT也扛不住,所以才要限流。
2. 非常粗略地估算一下ChatGPT的推理成本。ChatGPT有1亿用户,假定有10%的活跃用户,每人每天平均问5个问题,一天的请求量就是5000万(谷歌一天的搜索请求大概是100亿),Altman提到过一个请求的成本平均是几美分。按1美分算,一天的开销就是50万美元。目前传闻是OpenAI每天成本大约10万美元,我的估计高了点,不过也在一个数量级。
3. 从另一个角度估算ChatGPT推理的成本,GPT 3.5有1750亿个参数, 需要大概800GB内存存储这些参数,每个请求大约需要8个A100 GPU。每秒处理600个请求,需要5000个A100 GPU。租用共有云的GPU,1个GPU 1小时3美元,一天的成本是36万美元。和前面的估算差不多,每天的成本都在几十万美元,非常烧钱。
4. 降低大模型的费用,需要从多方面入手,除了更好的的硬件、算法和小而精的模型外,优化资源管理和调度来提高服务器资源的利用率很关键。比如这个工作通过动态批处理来提升推理的效率,可以把推理的QPS提高10倍以上。博客:https://t.cn/A60reEqg。论文:Orca: A Distributed Serving System for Transformer-Based Generative Models https://t.cn/A6O54pFC
5. 除了吞吐量,请求的延迟是个更大的问题,互联网搜索的平均延迟是300毫秒,大模型目前是2秒,加上其他开销,可能是几十秒甚至分钟级别。
6. 随着开源大模型越来越多,如何利用已有的模型开发适合特定领域的应用是一方面,效率和成本是另一个关键。像互联网时代的大规模分布式系统一样,AI基础设施包括架构,设计和实现很需要保证良好的scalability,reliability,performance和efficiency。OpenAI使用Kubernetes,两年前就对大规模Kubernetes集群做了不少优化。https://t.cn/A6O54pFN。
7. 基础设施决定上层建筑。伟大的AI公司需要有像Google当年的Jeff Dean和Urs Hölzle这样的计算机系统领军人物来构建高效可靠的AI基础设施和平台。
8. AI时代,Infrastructure和计算机系统人才大有用武之地。
参考: https://t.cn/A6O54pF0
#人工智能##大模型##科技##AI基础设施#
✋热门推荐