註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 内片輝
内片輝 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 内片輝 的搜尋結果
矽谷「餐盘晶片」神话破灭:美国AI野心仍靠台湾台积电 美国新创公司Cerebras最近在科技圈掀起旋风。他们推出的Wafer-Scale Engine 3(WSE-3),是一颗真正「像餐盘一样大」的超级晶片,整片12吋晶圆仅制成一颗处理器,面积达46,225平方毫米,内含4兆晶体管、90万个AI运算核心,记忆体频宽高达21 PB/s。相较传统GPU仅指甲盖大小,这块「巨无霸」让数据在单一矽片内自由传递,无需跨晶片绕路,宣称AI推论速度大幅领先主流产品,直指黄仁勋的辉达王座。 公司野心勃勃。今年完成大规模募资,IPO后市值一度突破660亿美元,并与OpenAI签订高达200亿美元长期合作协议,提供巨量推论算力。矽谷投资人与媒体赞扬这是「改变游戏规则」的革命性架构,仿佛美国终于找到颠覆GPU主导市场的利器。 然而,现实很快泼下一盆冷水。Cerebras设计再天才、软件再先进,要制造这块「神级餐盘」时,美国本土却找不到合格晶圆厂。GlobalFoundries、SkyWater等厂商主要专注成熟制程,对于这种极致规模与高良率要求的尖端晶片,技术与产能均跟不上。美国政府多年高喊「晶片自主」,砸下数百亿美元补贴,却无法短期内复制台积电5奈米(甚至更先进)的无尘室实力。 结果,这些带着数百亿估值光环的美国公司,最后只能将核心图纸交给台湾台积电代工。WSE-3正是采用台积电5奈米制程生产。多年来,Cerebras与台积电的合作已是公开秘密——没有台湾先进制程与系统级封装能力,这种「整片晶圆就是一颗晶片」的想法根本无法实现。 美国研究者试图自我安慰:未来AI晶片不一定要拼极致奈米技术,只要架构够聪明,美国就能建立独立生态,甚至让桌上型电脑内建本土晶片。但现实更骨感。在「不需要看亚洲脸色」的未来到来前,全球顶尖AI训练与推论硬件,仍高度依赖台湾的无尘室与设备。没有台积电,矽谷再华丽的投影片也只是纸上谈兵。 此事再次凸显残酷真相:台湾虽面积小,却是全球AI与半导体供应链最关键的一环。每当美国或中国高喊「去风险化」「自主可控」时,真正能产出最先进晶片的,仍是台湾的工程师与产线。Cerebras案例只是最新一例。 矽谷不断诞生号称「改变人类未来」的科技奇迹,仔细一看,背后把梦想变为现实的关键角色,户籍永远在台湾。美国能画出最美蓝图,但要把蓝图变成实际硬件,离不开台湾这块「护国神山」的支撑。 在美中科技战持续升温之际,台湾的角色不是筹码,而是自由世界AI生态不可或缺的基石。保护台湾的民主与科技实力,就是保护全球创新与开放的未来。(视频AI制作)
顯示更多
0
17
40
5
轉發到社區
想在短时间内真正提升自己,就去给我狂刷这48部高分纪录片。 思维训练篇 《逻辑的乐趣》 8.5 分 用趣味案例打开逻辑思维大门,让思考更严谨 《心智的斗争》 9.1 分 揭示直觉与理性如何进行博弈,理解思考本质 《未来认知课》 9.1 分 预判未来趋势,升级认知维度 《思维破局》 8.5 分 打破思维定式,高效解决问题新路径 《思考,快与慢》 9.1 分 理解思维系统,提升决策质量 《像乌鸦一样思考》 9.0 分 培养科学思维,提升观察推理力 提升表达篇 《TED 演讲集》 9.2 分 汇聚全球顶尖思想,学习如何提炼观点与讲故事 《朗读者》 8.5 分 在温暖的朗读声中,感受文字与情感结合的力量 《圆桌派》 9.1 分 名家智慧访谈,启迪深度思考 《演讲家的力量》 9.1 分 解析优秀演讲的流程逻辑,提升你的表达感染力 《沟通的艺术》 8.8 分 看透沟通的底层逻辑,建立更顺畅的人际关系 《好好说话》 8.9 分 拆解各种沟通场景问题,传授实用技巧 文化底蕴篇 《河西走廊》 9.7 分 盘活史诗,重现丝绸之路黄金段的千年沧桑与辉煌 《中国通史》 9.2 分 全景涵盖历史,帮你构建华夏历史框架 《故宫 100》 9.1 分 探寻故宫建筑角落,读懂建筑背后的密码与故事 《大国崛起》 9.2 分 解读强国兴衰,洞察发展规律 《如果国宝会说话》 9.4 分 让国宝开口说话,用全新视角解锁文明基因 《从秦始皇到汉武帝》 9.0 分 再现帝国崛起,解读统一之路 心理疗愈篇 《积极心理学》 9.6 分 给你幸福感,快乐是可以习得的能力,而非运气 《伴侣治疗》 9.1 分 直面亲密关系,回归自我 《心智的构建》 9.0 分 解析心智奥秘,理解行为模式 《幸福实验室》 8.8 分 用严谨的科学实验验证幸福密码,探寻幸福的本质 《身份的焦虑》 8.3 分 探讨现代人焦虑的根源及如何寻求内在的解药 《我们如何对抗抑郁》 8.1 分 还原真实困境与抗争,传递科学认知与希望 财商思维篇 《金钱与我》 8.3 分 识破消费陷阱,聪明购物 《金钱心理学》 8.9 分 读懂财商心智,明智理财 《金融的本质》 9.1 分 洞悉金融背后的运行逻辑,看懂财富流动与增值 《财富自由之路》 9.2 分 揭秘财富密码,让财务自由不再是空谈 《隐形亿万富翁》 9.1 分 见证亿万富翁从零开始的创业实战 《美国商业大亨传奇》 9.3 分 看洛克菲勒、卡内基等大亨如何改变世界 美食文化篇 《早餐中国》 8.9 分 一日之计在于晨,烟火气息最动人 《舌尖上的中国》 9.4 分 以美食为窗,窥见中华文化的传承与市井的温度 《人生一串》 9.2 分 聚焦全国烧烤江湖,充满市井烟火与江湖气息 《水果传》 8.7 分 水经果来性,视觉味觉盛宴 《小海鲜》 8.5 分 东海小鲜,质朴本真滋味 《一面之词》 8.4 分 深入面条世界,领略中华面食博大 历史传记篇 《袁隆平》 9.2 分 聚焦当代神农,铭记哺育众生之功 《百年巨匠》 9.0 分 全景回顾艺术大师人生与不朽成就 《苏东坡》 9.3 分 穿越千年与有趣的灵魂对话,感受豁达与生命力 《玄奘之路》 9.4 分 再现高僧十九年求法旅程,感受信念的力量 《梁思成与林徽因》 9.5 分 讲述战乱中,一对学者夫妇为筑魂耗尽的一生 《他们在岛屿写作》 9.1 分 记录文学大师的创作生命,守护精神家园
顯示更多
0
24
307
128
轉發到社區
【傳奇影星葛蘭去世,享年93歲】據多家港媒報道,香港傳奇影星、被譽為“一代歌舞巨星”的葛蘭3日安詳離世,享年93歲。這位活躍於20世紀50年代至60年代的華語影壇全能藝人,憑藉集演唱、演戲、舞蹈於一身的出眾才華,在華語電影史上留下深刻印記。 葛蘭本名張玉芳,1933年生於上海,祖籍江蘇。她自幼展露出眾藝術天賦,修習西洋聲樂、鋼琴、舞蹈,還跟隨崑曲大師俞振飛學習崑曲,兼具傳統與西洋藝術功底。1949年隨家人遷居香港,1952年考入泰山影業訓練班,憑藉影片《七姊妹》正式出道,開啟輝煌銀幕之路。 演藝生涯雖不長,卻佳作無數,主演多部家喻戶曉的經典華語歌舞片。1957年憑藉《曼波女郎》一炮而紅,塑造經典“曼波女郎”形象,開創華語歌舞片全新風潮;1960年在《野玫瑰之戀》中塑造敢愛敢恨的歌女形象,演技與唱腔廣受讚譽。另有《星星月亮太陽》等代表作,《我要你的愛》《說不出的快活》《卡門》等歌曲傳唱數十年。 葛蘭的影響力遍及海內外。1954年與奧斯卡影帝克拉克·蓋博合拍好萊塢影片《江湖客》,是早年進軍國際影壇的華人女星;1959年成為首位登上美國NBC電視台表演的中國女演員,向世界展示華語歌舞魅力。2018年好萊塢電影《摘金奇緣》選用她的《我要你的愛》《我要飛上青天》作為插曲,跨越年代再度收穫年輕觀眾喜愛。
顯示更多
支持原创‼️❌❌预约男模上门服务被各种抽插⭕️⭕️⛔️本片小剧情演绎,内容丰富,集合反差,情趣,是一部内射片,当然了是忍不住内射了。 完整版高清视频解锁👉#主页简介或置顶链接#
顯示更多
0
0
677
307
轉發到社區
支持原创‼️❌❌预约男模上门服务被各种抽插⭕️⭕️⛔️本片小剧情演绎,内容丰富,集合反差,情趣,是一部内射片,当然了是忍不住内射了。 完整版高清视频解锁👉#主页简介或置顶链接#
顯示更多
最近提交ipo的ai芯片的新宠Cerebras火遍硅谷。 其芯片在小模型场景下,其推理速度最高可达 H100 的 20 倍;而超大规模模型(如 400B 参数量级),Cerebras CS-3 系统的单用户响应速度约为 B200 的 2.4 倍 那么cerebras究竟是如何做到的呢? 它是否会成为英伟达杀手呢? 我们需从算力演进的本质开始。 AI算力的演进,正在从“算力本身”转向“通信与系统结构”。在这条演进路径上,Cerebras Systems提供了一种完全不同的答案:不是优化分布式,而是尽可能消灭分布式。 一、两条路线:消灭通信 vs 优化通信 当前AI算力本质上分为两种架构哲学:一条是以NVIDIA为代表的路线: 多芯片(GPU),高速互连(NVLink / CPO),scale-out(横向扩展) 另一条是Cerebras路径:单芯片做到极限(wafer-scale) 片内网络替代跨节点通信,scale-up(纵向放大) 核心区别是:一条在解决“如何连接更多芯片”,另一条在解决“如何不需要连接”。 二、为什么这条路现在才成立 wafer-scale并不是新概念,80年代就有人尝试,90年代商业化失败。原因是: 良率无法承受 没有容错机制 软件无法支撑 行业因此形成共识:小die + 高良率 + 分布式。 Cerebras的突破在于三件事同时成立: 1)容错机制工程化 2)片上网络成熟 3)AI workload匹配(高并行,强同步,通信主导) 本质变化是:从“完美硬件”转向“可容错系统”。 三、性能对比:单点极限 vs 系统扩展 在通信层面,两条路线的优劣非常清晰: 1)片内通信 Cerebras:纯片内 → 延迟最低、能耗最低 CPO:仍有光电转换 → 单点效率:Cerebras更优 2)系统扩展 Cerebras:一旦跨芯片 → 回到通信问题 CPO:带宽可持续扩展 → 系统能力:CPO更优 3)功耗结构 Cerebras:单机功耗极高,但通信极省 GPU+CPO:单点功耗可控,系统效率更平衡 结论很明确: Cerebras赢“单机极限”, CPO赢“系统规模”。 四、适用场景:谁该用cerebras 判断标准可以简化为三个问题: 1)通信是否是瓶颈 2)任务是否可集中 3)结构是否规则 因此,高度适用于大模型训练(dense模型),超长上下文,及部分HPC(PDE、流体等) 这些任务的共性是强耦合 + 高同步 + 高带宽 部分适用于大模型推理(低并发),图计算(结构复杂时优势下降) 而不适用于CPU(通用计算),高并发推理,移动/边缘芯片,实时系统 这些系统的共性:不规则 / 高并发 / 低延迟 五、是否会变成主流 尽管Cerebras在特定场景极强,但主流不会走这条路,原因是: 1)物理约束:功耗密度;信号延迟→ 容错解决不了这些问题 2)经济性:小die良率更高;chiplet更灵活 3)产业路径:TSMC等体系优化方向是模块化,多客户复用而不是超大单体 4)需求侧变化:推理占比远高于训练,多任务、高并发成为主流 六、cerebras的意义 与其说wafer-scale尺寸是重要的趋势,不如说容错设计是会被广泛吸收的哲学 未来可能会出现chiplet级容错,封装级绕路 核心变化是单个硬件不再需要完美,系统负责兜底。 回到最初的问题:Cerebras会不会成为NVIDIA的“杀手”? 答案其实已经很清楚。 它确实在一个关键点上击中了GPU体系的软肋——通信。但行业的选择,并不是非此即彼,而是多个技术突破同时采用:更强的互连、更低的通信能耗、更高的系统级效率。 因此,更准确的判断是Cerebras不是英伟达的杀手,而是英伟达及所有芯片公司可借鉴的最佳实践。 免责声明:本人持有文中提及的标的,观点必然偏颇,非投资建议,投资风险巨大,入场需极度谨慎 (图:一个cerebas芯片)
顯示更多
0
14
84
18
轉發到社區
之前做LLM推理芯片架构探索的时候,我把四大AI推理ASIC公司的架构都翻过一遍。Groq、SambaNova、Tenstorrent、Cerebras。前三家的思路虽然各有侧重,但底层逻辑都在同一个框架里:片上大SRAM + dataflow架构 + 确定性调度,核心差异在NoC拓扑、内存层级、编译器抽象这些维度上展开。 Cerebras是里面让我真正被震惊到的一家,而它却这四家里马上第一个拿到IPO结果的。 这家公司的选择比其他三家都激进一个量级:不做芯片,直接做整片wafer。 单颗WSE-3,21.5cm × 21.5cm的整片晶圆,90万个PE通过scribe-line stitching在物理上连成一片连续的silicon。这个工艺是Cerebras和TSMC联合定制的,把原本用于晶圆切割的窄条改造成跨reticle的金属导线,让所有reticle在物理上拼接成一整块芯片。(配图二展示了单颗WSE-3内部结构:左半边是整片晶圆的reticle网格和scribe-line拼接,右半边放大了单个PE的微架构。) 单个PE的结构极简:8-wide FP16 SIMD计算核,48KB本地SRAM直连,没有cache层级,所有数据访问都是确定性的单周期。加上一个5端口路由器(N/S/E/W + loopback),相邻PE之间的通信延迟也是单周期。关键在于,跨reticle边界的mesh在物理参数上和reticle内部完全一致,编译器和runtime完全不需要感知reticle边界的存在。 从LLM推理的视角看,这个均匀性的价值非常大。 LLM推理的瓶颈在decode阶段。每生成一个token,模型权重要被完整读取一次,计算量却很小,典型的memory-bound场景。GPU集群在这个环节的核心问题是数据搬运:HBM带宽有限,多卡之间还要经过NVLink → NVSwitch → InfiniBand → Ethernet四层互联,每一层带宽和延迟都差几个量级,编程模型必须显式处理每一层的拓扑边界。 Cerebras的做法完全绕开了这个问题。单片wafer内部fabric带宽27 PB/s,权重从外部的MemoryX存储集群通过SwarmX流入wafer后,在PE之间按数据流模式传播执行,同一套placement和routing算法跑遍整片wafer。(配图一展示了这个系统级架构:MemoryX参数存储集群到SwarmX互联fabric,再到底层最多2048台CS-3节点,权重广播和梯度规约的数据流方向一目了然。) 90万个PE各自带48KB SRAM,合计约42GB片上存储,每个PE对自己本地SRAM的访问是单周期确定性的,PE间通信每跳single-cycle,延迟和曼哈顿距离成正比。对于推理场景,前提是weight streaming的编译器能把权重有效地分配到对应的PE上,这42GB分布式片上SRAM的聚合带宽远超GPU的HBM方案,没有cache层级带来的访问不确定性,没有跨芯片搬运的开销。 回到我自己的体感。做推理芯片架构的时候,NoC拓扑和内存层级的权衡花了大量精力,因为芯片边界是硬约束,跨芯片通信的成本和片内通信之间永远存在断层。Cerebras的做法等于从片内通信的角度消除了这个断层,代价是整条制造和封装链都要重新定义。 这也解释了Cerebras的工程取舍。所有架构创新集中在wafer内部,scale-out方向直接复用100GbE + RoCE的以太网生态。wafer内27 PB/s对比跨CS-3的SwarmX在Tbps量级,几个数量级的差距全部交给商品化网络承担。推理场景下单wafer内部的带宽和延迟优势可以直接转化成token生成速度。 OpenAI选择和Cerebras合作做推理,从架构层面看逻辑是通的。大规模在线推理需要低延迟、高吞吐、确定性时延,这三点恰好是wafer-scale架构在片上通信均匀性方面的结构性优势。 但这套架构也有几个结构性的问题值得正视。 良率和成本是绕不开的。整片wafer做单颗芯片,任何一个reticle的缺陷都影响整体。Cerebras靠冗余PE和路由绕行来应对,但冗余比例和良率数据从未公开过。一片wafer的制造成本本身就远高于切割后卖单颗die的模式,叠加23kW、15U的单系统功耗和体积,部署密度和TCO在大规模推理集群的经济性上面临考验。 最关键的是KV cache的容量瓶颈。42GB片上SRAM看起来很大,但长上下文推理场景下KV cache随序列长度线性增长。以Llama 70B为参考,FP16下128K上下文的KV cache就要吃掉约40GB,即使做KV cache量化,长序列场景下的容量压力仍然显著。片上放不下的部分必须依赖MemoryX做外部存储,数据要经过SwarmX回传,这条路径的带宽在Tbps量级,和wafer内部27 PB/s的差距意味着长序列场景下decode速度会被外部带宽卡住。这可能是Cerebras在推理场景面临的最核心的架构约束。
顯示更多
0
45
270
47
轉發到社區
YMDS-285 马蒂阿普生纳卡酱!外表华丽,内在纯净。实录:高阶女生的现场高潮与射精,完整攻略篇 #美少女# #口交# #射精在內# #紀錄片# #現場拍攝#
顯示更多
0
0
103
74
轉發到社區
♡ 龍華妃咲 Bunny Ver. ♡ 「老師……要不要和妃咲來一場心動的賭局呢?♥」 🐰《心動賭局》兔女郎寫真圖透公開 ♡ 這次偷偷公開幾張妃咲的兔女郎寫真! 不知道老師們會不會喜歡這樣的妃咲呢?♡ 這次 PF45 除了全新的 Bunny × Nurse 寫真書,也準備了其他同人商品,歡迎老師們來看看! 🎀 PF45|商品預購資訊 🐰 Bunny Ver.《心動賭局》|NT$650 💉 Nurse Ver.《秘密診療》|NT$650 💕 Bunny + Nurse 雙刊套組|NT$1,200 ♡ 其他同人商品請參考預購表單內的圖片。 📍 PF45|活動資訊 日期|2026.11.07(六)– 11.08(日) 地點|台北花博公園爭艷館 地址|台北市中山區玉門街1號 攤位|P2Konoha【B15】 📝 商品預購表單 ♡ 數量有限,售完即止! 期待在 PF45 見到各位老師 ♡ #龍華妃咲# #ブルアカ# #蔚藍檔案# #BlueArchive# #Cosplay# #コスプレ# #PF45#
顯示更多