英伟达市值蒸发一个 AMD,新显卡着火;微软与 FB 结盟推 PyTorch

2023-10-31 18:40

本文主要是介绍英伟达市值蒸发一个 AMD,新显卡着火;微软与 FB 结盟推 PyTorch,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

(给技术最前线加星标,每天看技术热点)

转自:开源中国、solidot、cnBeta、腾讯科技、快科技等

【技术资讯】

0、2080 Ti 莫名起火,英伟达承认 GPU 有缺陷,股价暴跌19%

RTX 2080 Ti,英伟达新一代图灵架构 GPU,因为独特而鲜明的外观,一直以来被大家戏称为“燃气灶”。

  

现在这个昵称总算名副其实了。

  

昨天,2080 Ti 用户 shansoft 正在上网,只是简单地浏览网页,没有做其他任何事情。突然,电脑突然黑屏自动关机了。

  

不明所以的他往机箱里一看,不得了:2080Ti 正在冒火!

  

当时孩子也在旁边,可把这位用户吓坏了:“Scared the shit out of me”……这句话很直白了,就是所谓的吓出翔。

  

下图就是着火后的 2080 Ti。

640?wx_fmt=gif

英伟达股价周五暴跌,创下10多年来最大单日跌幅。一份令人失望的收益报告令这家显卡制造商市值损失了230多亿美元。英伟达股价收盘下跌近19%至每股164.43美元,创2017年9月8日以来的最低水平,市值跌破1000亿美元。该公司损失的市值甚至超过了其在图形处理部门的最大竞争对手AMD,AMD周五收盘时市值不到210亿美元。英伟达今年以来累计下跌15%。

此前,英伟达一直对这件事避而不谈。现在英伟达官方终于承认了缺陷的存在。他们在 GeForce 论坛里,发了一个低调的帖子。

640?wx_fmt=jpeg

  Limited test escapes from early boards caused the issues some customers have experienced with RTX 2080 Ti Founders Edition.

  We stand ready to help any customers who are experiencing problems.

  Please visit www.nvidia.com/support to chat live with the NVIDIA tech support team (or to send us an email) and we'll take care of it.

  

大意是说,电路板的原因导致 RTX 2080 Ti Founders Edition 出现问题,不过对于“有限测试”和“逃脱”的定义,英伟达没有明说。大概就是在制造这些 GPU 的时候,有一批产品由于某种失误未经测试。

1、下一代 HTTP/3 协议将弃用 TCP 改用 QUIC

据国际互联网工程任务组(The Internet Engineering Task Force,简称 IETF )消息,HTTP-over-QUIC 实验性协议将被重命名为 HTTP/3,并有望成为 HTTP 协议的第三个正式版本。

QUIC (Quick UDP Internet Connections)是 Google 推出的一个项目,旨在降低基于 TCP 通讯的 Web 延迟。QUIC 非常类似 TCP+TLS+SPDY ,但是基于 UDP 实现的。

640?wx_fmt=png

据悉,虽然 Google 有意将 QUIC 提交到 IETF 以便成为下一代标准,但 IETF 自身也有创建一个 QUIC 版本,且与 Google 的原始提案有很大差异。社区中称 Google 提出的 QUIC 为 gQUIC ,将 IETF 的称为 iQUIC ,而通过 iQUIC 传输的 HTTP 协议被称为 HTTP-over-QUIC 。

为解决种种混淆,让彼此之间更容易分别。IETF 的 HTTP 工作组和 QUIC 工作组主席 Mark Nottingham 近日提议将 HTTP-over-QUIC 重命名为 HTTP/3 ,从最新情况来看,该提案已被广泛接受。

2、Ubuntu 18.04 LTS Linux 支持时间延长到十年

在 OpenStack 峰会上,Canonical 创始人兼 CEO Mark Shuttlewort 宣布,Ubuntu 18.04 LTS 的支持时间从五年增加到十年。这一支持时间与 RedHat 的企业级发行版 RHEL 相同。

Shuttleworth 解释说,从金融行业和电信行业到生产线使用的物联网设备,都需要至少十年的支持。

Shuttleworth 还评价了

【业界资讯】

0、谷歌云 CEO Greene 将卸任,甲骨文前高管 Kurian 接棒

北京时间11月17日,三年前受聘创建谷歌云计算业务的Diane Greene将辞职,由甲骨文前高管Thomas Kurian接任。谷歌周五表示,Kurian将于11月26日加入谷歌云,并将于2019年初接任该公司CEO。在那之前,Greene将继续担任CEO。

对于Greene来说,这是一个艰难的任期,她为谷歌带来了强大的企业实力,此前她曾联合创立并运营VMware。她组建了企业销售团队,并从Spotify和Snap等公司那里赢得了业务,但谷歌未能追及亚马逊在市场上的巨大领先地位,而微软显然已稳居第二。

Greene自2012年以来一直担任谷歌母公司Alphabet的董事。

Kurian在甲骨文公司工作了20多年,已升为产品开发总裁。今年9月,他在给员工的一封电子邮件中表示“延长休假”,但他在月底前辞职。

640?wx_fmt=jpeg

Greene在上周五的一篇博客文章中写道,她、谷歌CEO桑达尔-皮查伊(Sundar Pichai)以及谷歌负责技术基础设施的高级副总裁Urs Holzle都对Kurian进行了面试。Holzle最初聘用了Greene担任这一职务,她是在谷歌以3.8亿美元的股票收购了她之前的初创公司Bebop后获得这一职位的。Greene所占的份额接近1.5亿美元,她当时说她将把这笔钱捐给一个捐赠顾问基金。

Greene在博客中写道,“当我在2015年12月全职加入谷歌运营云计算时,我告诉我的家人和朋友,这将持续两年。现在,在经历了令人难以置信的刺激和卓有成效的三年之后,是时候转向我长期以来对师徒关系和教育的热情了。”

根据Synergy Research的数据,亚马逊的AWS控制着34%的云基础设施服务市场。微软以15%的市场份额位居第二,其次是IBM(第三)和谷歌(第四),市场份额均为个位数。

Alphabet上月在财报电话会议上令人惊讶,当时该公司在云计算部门的规模和增长速度方面提供的信息比过去更少。

640?wx_fmt=png

在Greene的领导下,谷歌云平台将工程资源集中在人工智能和机器学习上,为其他公司提供支持谷歌搜索和其他服务的工具。客户们常常被告知该公司在运行复杂工作负载方面的先进技术,但用于核心基础设施的大笔资金仍在流向亚马逊AWS和微软Azure。

“他们没能赢得简单枯燥的业务,这些业务被亚马逊直接夺走,”旧金山洛佩斯研究公司的行业研究员Maribel Lopez说。“他们在创新方面做得很好,但他们缺乏的是更基本的东西。”

1、对抗 TensorFlow ?微软与脸书结盟主推 PyTorch

据 CNBC 报道,微软虽然还在继续维护其开源的认知工具包 CNTK ,但在最近几个月里,该公司改变了方向,选择与 Facebook 更紧密地合作,为 PyTorch 的开发贡献代码。

TensorFlow 是目前最受欢迎的深度学习平台,于2015年由 Google 开源。2016年初,微软将其 CNTK 开源,使用的是更宽松的 MIT 许可证。同样是在2016年,Facebook 推出了 PyTorch 。

微软系统首席技术官 Kevin Scott 本周在接受 CNBC 采访时表示,微软的 CNTK 具有自己的优势,尤其适用于构建语音识别系统,但 PyTorch 已迅速得到采用,并拥有自己的一些有趣的技术特性。微软公司 AI 平台副总裁 Eric Boyd 也表示, “社区目前的势头,实际上就是围绕着 PyTorch 和 TensorFlow 。 社区采用非常重要!”

虽然微软目前更关注 PyTorch ,不过这不意味着微软会放弃 CNTK ,它仍将收到更新。

640?wx_fmt=jpeg

事实上,微软和 Facebook 在去年就已联合推出了 ONNX ,这是一个开放的深度学习开发工具生态系统,旨在让 AI 开发人员能够随着项目发展而选择正确的工具,并陆续吸引了华为、IBM、英特尔、高通、亚马逊等企业的加入。

2、字节跳动成为最大的独角兽公司

在获得日本软银集团注资后,字节跳动的估值上升至 750 亿美元,成为世界上最大的“独角兽企业”(企业价值超过 10 亿美元的非上市公司),超过了 Uber 的 720 亿美元估值。 在人工智能(AI)等领域,由于政府的扶持性政策,中国企业正在迅速崛起。

据美国市场调查公司 CB Insights 的统计,截至 11 月初,在全世界 287 家独角兽企业当中,中国有 83 家企业上榜,占到 3 成,仅次于美国(135家)。其中字节跳动的增长尤为突出。其企业价值超过 100 亿美元的时间是在 2017 年 4 月,当时估值为 110 亿美元,在短短一年半时间里就提升了 7 倍左右。拉动其如此快速增长的是短视频服务“TikTok(抖音国际版)”。

觉得这些资讯有帮助?请转发给更多人

关注 技术最前线 加星标看 IT 要闻

640?wx_fmt=png

这篇关于英伟达市值蒸发一个 AMD,新显卡着火;微软与 FB 结盟推 PyTorch的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/317329

相关文章

基于CTPN(tensorflow)+CRNN(pytorch)+CTC的不定长文本检测和识别

转发来源:https://swift.ctolib.com/ooooverflow-chinese-ocr.html chinese-ocr 基于CTPN(tensorflow)+CRNN(pytorch)+CTC的不定长文本检测和识别 环境部署 sh setup.sh 使用环境: python 3.6 + tensorflow 1.10 +pytorch 0.4.1 注:CPU环境

AI赋能天气:微软研究院发布首个大规模大气基础模型Aurora

编者按:气候变化日益加剧,高温、洪水、干旱,频率和强度不断增加的全球极端天气给整个人类社会都带来了难以估计的影响。这给现有的天气预测模型提出了更高的要求——这些模型要更准确地预测极端天气变化,为政府、企业和公众提供更可靠的信息,以便做出及时的准备和响应。为了应对这一挑战,微软研究院开发了首个大规模大气基础模型 Aurora,其超高的预测准确率、效率及计算速度,实现了目前最先进天气预测系统性能的显著

PyTorch模型_trace实战:深入理解与应用

pytorch使用trace模型 1、使用trace生成torchscript模型2、使用trace的模型预测 1、使用trace生成torchscript模型 def save_trace(model, input, save_path):traced_script_model = torch.jit.trace(model, input)<

FB是磁珠的符号,磁珠有很高的电阻率和磁导率,他等效于电阻和电感串联

磁珠有很高的电阻率和磁导率,他等效于电阻和电感串联,但电阻值和电感值都随频率变化。他比普通的电感有更好的高频滤波特性,在高频时呈现阻性,所以能在相当宽的频率范围内保持较高的阻抗,从而提高调频滤波效果。 作为电源滤波,可以使用电感。磁珠的电路符号就是电感但是型号上可以看出使用的是磁珠在电路功能上,磁珠和电感是原理相同的,只是频率特性不同罢了。   http://www.cnblogs.com/

pytorch国内镜像源安装及测试

一、安装命令:  pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple  二、测试: import torchx = torch.rand(5, 3)print(x)

PyTorch nn.MSELoss() 均方误差损失函数详解和要点提醒

文章目录 nn.MSELoss() 均方误差损失函数参数数学公式元素版本 要点附录 参考链接 nn.MSELoss() 均方误差损失函数 torch.nn.MSELoss(size_average=None, reduce=None, reduction='mean') Creates a criterion that measures the mean squared err

微软搁置水下数据中心项目——项目纳蒂克相比陆地服务器故障更少

“我的团队努力了,并且成功了,”CO+I负责人诺埃尔·沃尔什说。 微软已悄然终止了始于2013年的水下数据中心(UDC)项目“纳蒂克”。该公司向DatacenterDynamics确认了这一消息,微软云运营与创新部门负责人诺埃尔·沃尔什表示:“我不会在世界任何地方建造海底数据中心。”她随后补充道:“我的团队进行了这个项目,而且效果很好。我们学到了很多关于海平面以下操作的知识,包括振动对服务器的影

英伟达下一代DLSS或利用人工智能

英伟达的黄仁勋在2024年Computex展会上的问答环节中,提前透露了公司未来几代深度学习超采样(DLSS)技术的发展方向。在回答有关DLSS的问题时,黄仁勋表示,未来我们将看到通过纯粹的人工智能生成的纹理和对象。他还提到,AI控制的非玩家角色(NPC)也将完全通过DLSS生成。 使用DLSS生成游戏内资源将有助于提升RTX GPU的游戏性能。转移到张量核心的工作会减少对着色器(CUDA)

动手学深度学习(Pytorch版)代码实践 -计算机视觉-37微调

37微调 import osimport torchimport torchvisionfrom torch import nnimport liliPytorch as lpimport matplotlib.pyplot as pltfrom d2l import torch as d2l# 获取数据集d2l.DATA_HUB['hotdog'] = (d2l.DATA_U

WSL+Anconda(pytorch深度学习)环境配置

动机 最近在读point cloud相关论文,准备拉github上相应的code跑一下,但是之前没有深度学习的经验,在配置环境方面踩了超级多的坑,依次来记录一下。 一开始我直接将code拉到了windows本地来运行,遇到了数不清的问题(如:torch版本问题、numpy版本、bash命令无法运行等问题),经过请教,决定将project放到linux系统上进行运行。所以安装WSL(Window