《华尔街日报》记者:Asa Fitch
当前,英特尔正重新调整其人工智能(AI)战略,并将与当前 AI 计算芯片市场的领导者英伟达展开较量。
去年,在新任首席执行官 Pat Gelsinger 的领导下,英特尔扩充了员工队伍,并为其日益丰富的芯片产品线引入了全新的 AI 软件,以提升聊天机器人、人脸识别和智能电影推荐等一系列 AI 驱动应用的使用性能。
一直以来,英特尔在中央处理器(CPU)市场占据领导地位。而 CPU 则是个人电脑(PC)以及运行公司网络和互联网的服务器的“大脑”。在过去的十年里,随着英伟达推出如针对 AI 模型训练的 AI 专用芯片,并逐步扩大市场份额,英特尔对 AI 产业投资者的吸引力有所下滑。
根据 Informa PLC 旗下的英国研究咨询公司 Omdia 调查显示,现阶段英伟达占大型数据中心 AI 专用计算市场总收入的 80%左右,该数据不包括在英特尔通用 CPU 上进行的 AI 计算。两年前,英伟达在 AI 专用芯片领域的主导地位超越英特尔,成为美国市值最高的芯片公司。
AI 芯片在当前整个芯片市场中相对份额较小,但增长十分迅猛。对更快、更高效的 AI 计算需求的不断增长,不仅催生了数十家芯片初创企业,也引来领先芯片制造商的大举投资。根据总部位于俄勒冈州波特兰的市场调查公司 Allied Market Research 的调查报告显示,2020 年 AI 芯片市场总价值约为 80 亿美元,但预计其将在 2030 年增至近 2000 亿美元。
英特尔的 AI 战略
英特尔正在研究一系列神经拟态计算芯片,该芯片旨在模仿人类大脑结构,并将在英特尔后续的 AI 产品中投入使用。
图片来自《华尔街日报》摄影师:JASON HENRY
首先,英特尔的战略是构建完善的芯片产品组合和开源软件,以满足 AI 日益普及所带来的愈加广泛的计算需求。例如,它将为客户提供软件包,使客户既能够使用通用 AI 芯片处理工作,也可以将部分任务交给擅长图像识别或其他工作的专业芯片。
英特尔希望通过这种高效率的分工帮助客户完成一些特定 AI 任务的工作优化,并通过降低能耗来节约成本。这对于那些拥有大量数据并进行大规模 AI 处理的客户,如大型企业和资金充裕的初创公司来说意义非凡,而与此同时,英特尔也致力于为大型云计算提供商和个人消费者提供满足其多样化 AI 计算需求的产品。
为了实现这一战略,英特尔在其产品线中增加了图形处理器(GPU)。两年前,英特尔便透露了自己在 GPU 方面的蓝图,欲与英伟达展开新一轮的较量。英伟达的 GPU 最初是为电脑游戏而开发,随后被运用于机器学习当中。
此外,英特尔在 2019 年收购了以色列初创公司 Habana Labs,该公司不仅能够生产专门用于训练 AI 模型的芯片,例如一些可以输出仿真语言的系统,亦能够基于模型输出计算成果。
其次,另一个变化是英特尔将为客户整合其 AI 产品。
Sandra Rivera 在去年夏天被 Gelsinger 任命为数据中心与人工智能事业部总经理,以及英特尔 AI 战略的负责人。对此,她指出:“现阶段面临的问题不是我们是否需要加大投资。事实是我们已经在 AI 方面投入了大量资金,但由于我们对不同产品有着不同的策略以及不同的执行优先级,现阶段这些巨额投资还没有完全展现出其回报和市场影响力。”
英特尔公司副总裁兼数据中心、人工智能和云计算执行与战略总经理 Kavitha Prasad
图片来自《华尔街日报》摄影师:JASON HENRY
自履新以来,Rivera 又为英特尔引入了包括 Kavtha Prasad 在内的几位新高管。Prasad 曾在英特尔工作,随后创办了一家机器学习的初创公司。目前,Prasad 负责英特尔 AI 战略的调整,并负责推动业务重点的转变。她认为现阶段最重要的是应当利用 AI 帮助客户实现商业目标,而不是简单地提供一系列芯片,而让客户自己解决其余问题。
Kavtha Prasad 表示:“英特尔基本上拥有所有相关技术,但客户关注的是如何将这些技术整合到一起从而形成合力,以实现更快的 AI 部署和更高效的业务。这其中的关键不在于寻找单一的解决方案,而是对 AI 技术进行有机结合,从而帮助企业实现商业目标。”
现阶段,技术整合主要由英特尔软件架构师完成,该项工作由英特尔公司首席技术官 Greg Lavender 领导。Greg Lavender 曾经就职于 VMware,Gelsinger 就任于英特尔后,重新聘请了 Lavender。
最大的挑战
英特尔总部的数据中心内部
图片来自《华尔街日报》摄影师:JASON HENRY
然而,成功永远不是确定的事情。眼下领先于英特尔和其他竞争对手的英伟达正致力于不断改进其芯片,并在 3 月份宣布推出新一代超高速处理器。业内分析师表示,英特尔的 AI 战略能够使其成为英伟达极为强劲的竞争对手。当然,能够如期交付 AI 芯片以及相关软件是英特尔能够成功开拓 AI 市场的关键。近年来,英特尔在制造拥有最小晶体管和最佳性能的芯片中遭遇挫折,使其在与三星和台积电的高风险竞争中落于下风,英特尔最近的一些 CPU 芯片也推迟上市,这正是英特尔眼下所面临的一大挑战。
对此,英特尔计划通过重新加大芯片制造的投入来扭转局面——Gelsinger 宣布未来几年内,英特尔将投入数百亿美元建造芯片工厂,同时推出芯片代工服务。英特尔能否成功实行此计划,并从竞争者手中夺回技术领先地位?我们将拭目以待。
Wedbush Securities 证券公司的分析师 Matt Bryson 表示:“在过去的五、六年中,英特尔还有许多未落地执行的举措。但值得注意的是,现阶段在 Gelsinger 的领导下,英特尔在产品研发上加大了资金投入,这将带来更强的执行力,当然最有说服力的还是其产品以及对客户的吸引力。”
与此同时,Rivera 认为英特尔已经整装待发,以实现这一飞跃。基于此,她指出:“得益于良好的客户关系、强大的市场地位,以及独特的差异化优势,我们只需要遵循并实施我们的 AI 战略,一切未来皆可期。”
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。