“AI正在催生全球增长的新时代,在新时代中,算力起着更为重要的作用,让所有人迎来更美好的未来”,9月19日,在2023英特尔on技术创新大会的主题演讲中,英特尔公司首席执行官帕特·基辛格(Pat Gelsinger)介绍了AI对“芯经济”(Siliconomy)的推动作用,“芯经济”指的是“在芯片和软件的推动下,正在不断增长的经济形态”。英特尔也正在其各种硬件产品中加入AI能力,并通过开放、多架构的软件解决方案推动AI应用的普及。
从定义上说,“芯经济”这个名词的意思是,“在新的全球化时代下的生活结构和方式,以及这个时代下,计算作为基石,让每个人拥有了更大的成功机会和更美好的未来”,另一方面,也指“在芯片的神奇力量驱动下不断发展的经济形态,半导体是现代经济维持规模和实现增长的关键”。此前,帕特·基辛格曾在智库The Stern Stewart Institute上发表题为《欢迎来到“芯经济”的时代》(Welcome to the Siliconomy)的客座署名文章,详细阐述了他对于“芯经济”这一概念的理解,现转载如下:
欢迎来到“芯经济”的时代
作者:帕特·基辛格,英特尔公司首席执行官
人类有一种永不满足的渴望,想要通过探索和革新不断前进。我们相互学习的能力,融合并借鉴前人思想的能力,造就了现在的世界,一个之前无法想象的世界。
我们越前进,就越需要技术。
现在,人类与技术的联系十分密切,反映了计算在现代生活中的影响力。迄今为止,计算一直是信息的来源、提高生产力的途径和娱乐的源泉。然而,计算的作用正在发生根本性的转变,它关系到经济和人类生存的方方面面。计算正在步入新时代,AI驱动的系统将被赋予自主性和能动性,帮助我们完成基于知识和体力作业的任务,并成为我们周围环境的一部分。我们需要进行投资,以推进新的、更节能的、针对特定领域的架构,如内存计算、神经拟态计算和量子计算。
芯片是万物数字化的基础。如今,数字经济占全球GDP的15%以上。过去十年,数字经济GDP的增长速度是实体经济的2.5倍。
欢迎来到我称为“芯经济”的时代
我认为每家公司都是科技公司。在新的“芯经济”时代,技术已成为成功的基准。展望未来几十年,我们将看到一切都在继续数字化,包括我们工作、学习、信仰、成长、相互联系和关爱他人的方式。
随着先进的半导体技术使人类的成就达到新的高度,世界对计算的需求也在以与芯片尺寸、成本和功耗成反比的方式呈指数增长。这就是摩尔定律(摩尔定律是指芯片中的晶体管数量每两年翻一番)。
技术是一种工具,通常是为了应对当前面临的挑战或满足需求而开发的——无论是生产力、效率还是便捷性。在信息时代的黎明,企业、学术界和政府通力合作,以个人电脑、互联网和网络的发展成果为基础,让人类形成了一个全球化社会,并将我们的世界带入了今天。我们必须再次携手合作,在技术进步处于早期发展阶段时,通过共同创造新的可能性塑造其未来,从而发挥人类自身的最大潜能。
我们要拥抱更加开放的设计,支持在标准化界面上利用异构模块实现快速创新。开放式生态系统的多样性使其在充满挑战的时期仍能保持韧性——虽然并不完美,但是能更好地在混沌中找到平衡。随着应用的增加,更多新的想法开始出现,推动进一步的应用和创新。然而,我们还必须确保技术以负责任的方式向前发展。这既来自于开发,也来自于应用。例如,AI已经开始为人类执行传统计算难以完成的任务。机器很快就会做出比人类更多的决定。我们需要确保在AI的设计中纳入由人类负责的监督和协调工作。
五大“超级技术力量”推动“芯经济”的诞生
我们进行创新、推动进步的动力创造了“芯经济”,每个人都是其中的一份子——所有人都参与了由芯片的神奇力量所推动的经济发展。
我经常谈到塑造世界,进而催生“芯经济”的五大“超级技术力量”:
1.计算:任何事物都相当于一台计算机,计算定义了我们体验世界的方式。
2.连接:每一个人和每件事物都是相连的。
3.基础设施:我们正在为数据存储和互连计算创建一条动态、可靠的路径——将无限规模与无限覆盖范围相结合,同时满足对更低延迟和更高带宽的需求。
4.传感和感知:低成本、高分辨率传感器取得了突破性进展,从边缘智能设备中获取海量数据,并与自动化、处理、推断和软件方面的技术进步相结合,赋予机器人本(human-centric)能力。人类的弱势转变为由数字化增强的优势。
5.AI:伴随着无处不在的智能化,AI将无穷的数据转化为切实可行的洞察。数据和计算使AI算法在进行预测和创造方面变得更加完善。
这些基础技术为我们架起了从模拟时代到数字时代的桥梁,深刻地塑造了我们体验世界的方式。
现在,通过高度分布式的从边缘到云的计算平台,一个经济体系正在形成。在这个日益数字化的世界中,半导体驱动着关键技术的发展。即使全球范围内的经济增长面临挑战,“芯经济”仍清楚地表明,微小的芯片对现代经济维持规模和实现增长而言至关重要。我们必须共同努力,满足下一波激增的算力需求。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。