【AI简报20211015期】第二代百度昆仑AI芯片实现量产、寒武纪将推250TOPS算力的SoC智能芯片...

本文主要是介绍【AI简报20211015期】第二代百度昆仑AI芯片实现量产、寒武纪将推250TOPS算力的SoC智能芯片...，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！

嵌入式AI

采用7nm制程！外媒：第二代百度昆仑AI芯片实现量产

原文:

http://www.cankaoxiaoxi.com/digital/2021/0917/2454120.shtml

参考消息网9月17日报道据新加坡《联合早报》网站近日报道，中国搜索引擎巨头百度表示，其自主研发的第二代昆仑AI芯片实现量产。

报道称，此前，百度创始人、董事长李彦宏在百度世界大会上发布第二代百度昆仑AI芯片。昆仑芯2采用7nm制程，搭载自研的第二代XPU架构，相比一代性能提升2至3倍，适用于云、端、边等多场景，未来将在自动驾驶、智能交通、智能助手等多个场景发挥功效。

寒武纪将推250TOPS算力车载智能芯片

原文:

https://ee.ofweek.com/2021-10/ART-8120-2805-30529379.html

“我们认为大算力和通用性将是智能驾驶芯片或者智能驾驶芯片的两个重要趋势。”日前，寒武纪行歌（南京）科技有限公司执行总裁王平在2021全球新能源与智能汽车供应链创新大会上宣布，其将在2022年推出第一款基于7nm先进制程、250TOPS算力的SoC智能芯片产品，2023年下半年会通过各种车规认证，实现整车SOP。

壁仞科技首款通用GPU台积电流片：7纳米，明年面向市场

原文:

https://www.sohu.com/a/494008748_260616

10月8日，创立于上海的通用智能芯片初创企业壁仞科技宣布其首款通用GPU——BR100正式交付台积电生产。该芯片采用7纳米制程工艺，性能参数对标的是国际顶级的GPU芯片产品，预计将于明年面向市场发布。

澎湃新闻从知情人士处获悉，BR100为目前全球面积最大、算力最大的人工智能芯片。

AI热点

利用AI谱写完成《第十交响曲》，人工智能真能让“贝多芬复活”？

原文:

https://world.huanqiu.com/article/45AkUO1chUr

【环球时报驻德国特约记者青木】“艺术创新还是技术噱头？”据德国《图片报》报道，贝多芬管弦乐团上周末在波恩首演人工智能（AI）谱写完成的贝多芬未竟之作《第十交响曲》。人工智能是否可以代替人类创作艺术，再一次成为争论焦点。

1827年贝多芬逝世时，留下的《第十交响曲》只有几张手稿留存，部分是简短未竟片段。为纪念贝多芬诞辰250周年，总部设立于贝多芬诞生地波恩的德国电信公司组织了一个专家团队，来自德国、奥地利和美国的音乐家、作曲家和人工智能专家把贝多芬的草稿、笔记及其生活时代的乐谱输入到人工智能系统中，通过分析和学习贝多芬的风格，应用复杂算法，加上人工雕琢，最后完成贝多芬巨作。

5300亿参数的「威震天-图灵」，微软、英伟达合力造出超大语言模型

原文:

https://www.jiqizhixin.com/articles/2021-10-12-5

在微软和英伟达的共同努力下， Turing NLG 17B 和 Megatron-LM 模型的继承者诞生了：5300 亿参数，天生强大，它的名字叫做「Megatron-Turing」。

刚刚，微软和英伟达联合推出了训练的「迄今为止最大、最强大的 AI 语言模型」：Megatron-Turing (MT-NLP)。

从公开披露的角度来看，MT-NLP 应该是现存最大的公共模型。

作为两家公司 Turing NLG 17B 和 Megatron-LM 模型的继承者，MT-NLP 包含 5300 亿个参数，并在一系列广泛的自然语言任务中表现出了「无与伦比」的准确性，包括阅读理解、常识推理和自然语言推理。

耗电量相当核反应堆运行15分钟，英伟达开源的StyleGAN3果然残暴

原文:

https://www.jiqizhixin.com/articles/2021-10-13-5

整个项目在 NVIDIA V100 内部集群上消耗了 92 个 GPU year 和 225 兆瓦时的电力，英伟达的 StyleGAN3 果然「壕气冲天」。今年 7 月，英伟达 StyleGAN 团队在 NeurIPS 2021 论文《 Alias-Free Generative Adversarial Networks 》中推出了 Alias-Free GAN，也即 StyleGAN3。

论文地址：https://arxiv.org/pdf/2106.12423.pdf

我们知道，典型的 GAN 具有分层卷积性质，但它们的合成过程过度依赖于绝对像素坐标。这就导致图像细节会粘连在坐标上，而不在描述对象的表面。因此，英伟达的研究者探究导致生成器网络中出现混叠的 careless 信号处理的根本原因。通过将网络中所有信号解读为连续性，他们进行了普遍适用的、小的架构变化，保证多余信息不会参与分层合成过程，并由此得到了 StyleGAN3。