全球首个支援单任务千卡规模异构芯片融合训练平台,来自无问芯穹
“打开水龙头前,我们不需要知道水是从哪条河里来的。同理,未来我们用各种 AI 利用时,也不会知道它挪用了哪些基座模型,用到了哪种加速卡的算力——这就是最好的 AI Native 基础设施。”7月4日,在2024年世界人工智能大会AI基础设施论坛上,无问芯穹联合创始人兼CEO夏立雪发布了无问芯穹大规模模型的异构分布式融合训练系统,千卡异构融合训练集群算力利用率最高达到了97.6%。同时,夏立雪宣布无…- 22
- 0
大模型压缩量化方案怎么选?无问芯穹Qllm-Eval量化方案全面评价:多模型、多参数、多维度
基于 Transformer架构的大型语言模型在各种基准尝试中展现出优异功能,但数百亿、千亿乃至万亿量级的参数规模会带来高昂的服务成本。例如GPT-3有1750亿参数,采用FP16保存,模型大小约为350GB,而即使是英伟达最新的B200 GPU 内存也只有192GB ,更不用说其他GPU和边缘设备。大模型压缩,即将大模型“瘦身”后塞进资源受限的场景,以减少模型保存、访存和计算支出。在尽量不损失模…- 5
- 0
GPU推理提速4倍,256K上下文全球最长:无问芯穹刷新大模型优化记录
想用大模型赚钱?这个实力强劲的新面孔决定先把推理利润打下来。大模型业务到底多烧钱?前段时间,华尔街日报的一则报道给出了参考答案。报道显示,微软的 GitHub Copilot 业务(背后由 OpenAI 的 GPT 大模型支撑)虽然每月收费 10 美元,但平均还是要为每个用户倒贴 20 美元。可见当前 AI 服务提供商们正面临着严峻的经济账挑战 —— 这些服务不仅构建利润高昂,运营利润也非常高。有…- 11
- 0
无问芯穹(Infinigence-AI)
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!