据报道,英特尔公司正在与风险投资支持的人工智能芯片开发商SambaNova Systems Inc.进行收购谈判。
据彭博社今日援引消息人士报道,双方的谈判已进入高级阶段。据信,此次收购可能对SambaNova的估值达到16亿美元(包括债务)。如果交易成功,这将是首席执行官谭立夫今年3月加入英特尔以来的首次重大初创企业收购。
总部位于加利福尼亚州帕洛阿尔托的SambaNova销售一款名为SN40L的AI芯片。该芯片针对推理进行了优化,即在训练完成后在生产环境中运行AI模型的任务。该芯片的主要卖点之一是其功耗效率:SambaNova声称,与竞争对手的可比处理器相比,它每千瓦时可以生成更多Token。
AI模型回答用户提示的过程包含众多步骤。完成一个步骤后,模型将计算结果保存到内存中,然后将其从内存移动到主机芯片的核心,以便下一个步骤可以开始。这种数据移动占AI芯片功耗的很大一部分。
据SambaNova称,SN40L显著降低了数据移动。它通过将多个推理相关计算压缩为单个操作来实现这一点,从而减少了处理数据所需的内存往返次数。SN40L将数据保存在三种类型的内存中:高速SRAM、HBM和DRAM。
该公司表示,其芯片还提供其他优势。SN40L使用三种内存类型使其能够在用户输入提示时快速加载AI模型,从而减少等待时间。此外,据称该芯片可以在必要时快速切换不同的AI模型。
SambaNova将SN40L作为名为SambaRack的设备的一部分发货,该设备包含16颗芯片。它运行定制软件工具包SambaStack,支持流行的开源大语言模型。它还通过云服务提供对其芯片的访问,无需客户管理任何硬件。
2018年,SambaNova完成了由Walden International领投的5600万美元融资轮,Walden International是谭立夫的风险投资公司。谭立夫是这家芯片初创公司的执行董事长。SambaNova后来完成了由软银集团领投的6.76亿美元融资轮,估值达到50亿美元。
根据今日的报道,英特尔可能最早在下个月完成收购。然而,彭博社的消息人士警告称,交易时间可能发生变化。此外,据报道SambaNova可能选择不向英特尔出售。该公司据信已与多个潜在投资者签署了条款清单。
该报道发布两个月前,英特尔预览了即将推出的名为Crescent Lake的图形处理器系列。与SN40L一样,它针对数据中心推理进行了优化,并强调功耗效率。
Q&A
Q1:SambaNova的SN40L芯片有什么特殊优势?
A:SN40L是专门为AI推理优化的芯片,主要优势是功耗效率高,每千瓦时可生成更多Token。它通过压缩多个推理计算为单个操作来减少数据移动,使用三种内存类型(SRAM、HBM、DRAM),能快速加载AI模型并在不同模型间切换。
Q2:英特尔为什么要收购SambaNova?
A:这是英特尔新任CEO谭立夫的首次重大收购,旨在加强英特尔在AI芯片领域的竞争力。SambaNova的推理芯片技术与英特尔即将推出的Crescent Lake GPU系列形成互补,都专注于数据中心推理和功耗效率。
Q3:SambaNova目前的估值和融资情况如何?
A:SambaNova此次收购估值约16亿美元(含债务)。公司曾在2018年获得5600万美元融资,后来又完成软银领投的6.76亿美元融资,当时估值50亿美元。目前据报已与多个潜在投资者签署条款清单。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。