Sveriges mest populära poddar

OnBoard!

EP 30.【生成式AI专题3】深度探讨大语言模型生态链:芯片,基建,工具,开源,应用

108 min • 19 april 2023

好久没有上新了,大家有没有想念我们呀!最近AI 的进展实在是太惊人。但是新闻看多了,自然需要有一些来自一线经验深入思考,才能窥见更接近真实的图景。这一期也是Onboard! AI 系列的第三期,接下来还准备了好几期星光熠熠的 AI 专题,请大家关注Onboard!, 不要错过哦!

Hello World, who is onboard?

这一期,我们将眼界放宽到大语言模型(LLM, Large Language Model)本身能力之外,看看 LLM 周边生态系统,包括硬件和软件工具链,如何随着基础模型的发展,迅速迭代,又相辅相成。嘉宾们来自生成式AI的上下游核心玩家,包括Nvidia, Google Cloud 的生成式AI平台 Vertex AI, 全球最火的AI模型库和社区平台 Huggingface, AI infra 初创公司,聊一聊从他们的视角看到的AI发展的机会,挑战与未来。

这一期近2小时的讨论非常硬核,从芯片架构、GPU集群管理,到开发工具,甚至还聊到AI的社会影响,有好几个即兴的精彩话题。术语和英文不少,还请多包涵,在show notes 中尽量为大家做好笔记。

话不多说, enjoy!

嘉宾介绍

Jiajia Chen: Senior Product Manager @Nvidia Omniverse, AI infra, Autonomous vehicle data platform; ex-Cisco

Han Zhao: Staff software engineer @Google Cloud Vertex AI

Tiezhen Wang: Software engineer @Huggingface, ex-Google Tensorflow

Ce Gao: Co-founder & CEO @TensorChord, ex-Tencent, Co-chair @Kubeflow

关于主播

Monica:美元VC投资人,前 AWS 硅谷团队+AI创业公司打工人,公众号M小姐研习录 (ID: MissMStudy) 主理人 | 即刻:莫妮卡同学

我们都聊了什么

02:12 嘉宾自我介绍, fun fact: 最近看到的有意思的AI产品

06:53 Tiezhen 推荐的自然语言编程工具 Cursor, 嘉宾们激辩编程的未来

13:28 深度碰撞:未来还需要编程吗?

23:47 Nvidia GTC 2023 上有什么值得关注的新产品?芯片技术的下一代创新在哪里

29:38 各个大厂新出的芯片针对LLM做了哪些优化?

36:35 管理训练LLM 的大规模GPU集群有哪些挑战?

47:04 以后我们需要专用的推理芯片吗?

52:17 开源界有哪些降低LLM训练和部署成本的尝试?LLM 成本下降边界在哪里?

59:08 LLM 商业生态的未来:开源 vs 闭源?每个企业都需要自己的LLM吗?

68:50 LLM的发展对于传统的MLOps 工具链各个环节有什么影响?

78:11 LLM 会带来哪些监管和社会影响?

90:37 基础模型越来越强大,上层应用和工具如何创造价值?

100:34 对未来AI发展的期待

我们提到了什么

重要名词(感谢 ChatGPT 帮忙!)

  • Large Language Model:大语言模型,指用海量文本训练的语言模型,如GPT-3等。
  • Foundation Model:基础模型,指一个预训练模型,可以用作下游任务的起点,进行微调和迁移学习。
  • GPU cluster:GPU集群,多个GPU服务器联网,用来提供高性能的并行计算能力。
  • Distributed computing: 分布式计算,在多台计算机上协同完成计算任务。
  • Confidential computing :保密计算,指在不可见和不可获取的方式下处理和分析数据的技术。
  • Computational lithography: 计算光刻,使用计算方法来精确控制光刻过程,以产生更小更复杂的集成电路。
  • Electromagnetic Physics:电磁物理学,研究电磁场及其与物质的相互作用。
  • Photochemistry:光化学,研究光与化学物质相互作用的学科。
  • Computational geometry:计算几何,研究使用计算机算法解决几何问题的学科。
  • Topology:拓扑学,研究空间中两个形状或物体之间连续变形的性质。
  • Stream multiprocessor:流多处理器,GPU中的一种执行单元,包含多个流处理器核心。
  • Inference:推理,指使用训练好的模型对新数据进行预测和分析的过程。
  • Model Serving:模型服务,指提供推理API服务,使训练好的模型可以被应用系统调用。
  • Tensorcore:张量核,NVIDIA GPU中专用于加速机器学习运算的功能单元,如矩阵乘法等。
  • Vector database:向量数据库,存储和查询高维向量数据的数据库。

参考文章

欢迎关注M小姐的微信公众号,了解更多中美软件和AI的干货内容!

M小姐研习录 (ID: MissMStudy)

大家的点赞、评论、转发是对我们最好的鼓励!如果你有希望我们聊的话题,希望我们邀请的访谈嘉宾,都欢迎在留言中告诉我们哦~

Kategorier
Förekommer på
00:00 -00:00