Почему Intel и TSMC будут расти быстрее, чем AMD и Nvidia |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-11-03 12:18 Крупные технологические компании тратят колоссальные суммы на развитие искусственного интеллекта и инфраструктуры для его обработки. Вот краткий обзор их капиталовложений за последние два квартала 2024 года: - Amazon: капитальные затраты выросли с $60 млрд во втором квартале до $70 млрд в третьем. - Google: увеличил расходы с $44 млрд до $49 млрд за тот же период. - Microsoft: аналогично повысила инвестиции с $44 млрд до $49 млрд. - Meta: увеличила капитальные затраты с $29 млрд до $31 млрд. Эти средства идут не только на сторонние графические процессоры, такие как Nvidia H100, но и на собственные разработки чипов для ИИ, чтобы снизить зависимость от сторонних поставщиков. Например: Amazon создала Inferentia и Tranium — чипы для ИИ, изготовленные TSMC и Intel. - Google разработал чипы TPU и Axion для ИИ, также производимые TSMC. - Microsoft разрабатывает Azure Maia и Azure Cobalt для обработки ИИ, производство которых доверено TSMC и Intel. - Meta использует чип MTIA для задач ИИ, производимый TSMC. Эти чипы обходятся компаниям гораздо дешевле, чем приобретение графических процессоров Nvidia. Например, стоимость производства Nvidia H100 составляет $3320, но цена на рынке достигает $25,000–30,000 за единицу — это почти 800-900% прибыли для Nvidia. Поэтому переход к собственным микросхемам позволяет этим компаниям экономить, избегая такой высокой наценки, и сдерживать расходы, учитывая постоянное увеличение спроса на мощности для ИИ. Источник: vk.com Комментарии: |
|