当前位置: 首页 > 产品展示 > 生物颗粒

对话算想未来创始人(前 Google AI 算力平台工程师)赵亚雄:希望做“为中国 AI 经济而生的WS”

发布日期: 2023-08-30 00:17:04 作者: 生物颗粒

  对话算想未来创始人(前 Google AI 算力平台工程师)赵亚雄:希望做“为中国 AI 经济而生的 AWS”

  --

  --

  导语:ChatGPT爆火,引得全世界为之疯狂,恍惚中一夜之间,人人都在讨论ChatGPT,所有大佬和资本纷纷涌进大模型。上一次如此热闹还是Web 3,不过相对前者是少

  ChatGPT爆火,引得全世界为之疯狂,恍惚中一夜之间,人人都在讨论ChatGPT,所有大佬和资本纷纷涌进大模型。

  上一次如此热闹还是Web 3,不过相对前者是少部分人的自娱自乐,大模型则像魔法,引得全民为之着迷,短短 2 个月内 ChatGPT 就收获 1 亿用户,币圈甚至认为过去3个月内AI创造的价值,超过了虚拟货币历史上创造价值的总和。而创业者和投资人对大模型更狂热,更充满信念感,坚信大模型的历史意义将不亚于电力的发明;而争夺大模型技术的领导地位,则像“研发核武器”。

  “全球最聪明的人都在大模型创业,没人会禁受得住它的诱惑。”前极狐(GitLab)创始人陈冉这样对雷峰网说。

  一个资深技术极客赵亚雄博士亦是如此。2019年从工作了六年的谷歌离职后,便一直奔赴在创业前线,最初加入勇于探索商业模式的公司Pixie小试牛刀,2022年他决定回国,因为国内涌现出的创业机会深深吸引着他——中国正在发展独立自主技术体系,中国要做自己的IT技术栈,发展自己的技术生态。对他来说,脑海中有无数诱人的技术创新点子,但是在美国成熟的技术生态中,这些想法都显得过于激进。

  对他这样一个在国外科技大厂经受过近十年技术训练的人来说,这是一个难能可贵的机会。从2008年到2019年的十年里,赵亚雄博士分别在Amazon、Google工作,在基础软件领域慢慢的变成了一名资深的技术极客。

  懂技术有国际视野还心怀一腔热情,这是支撑他在人生的舒适期,从大厂离职出来完成自己创业梦想的基础。

  2022 年 10 月回国后,赵亚雄博士获得奇绩创坛创始人 CEO 陆奇博士的天使轮投资,开始了每周工作 100 小时之后的硬核模式。他长期关注 OpenAI 及硅谷创投生态,看到在无人驾驶长期没有办法获得突破、AI 创业领域一片低迷的情况下,ChatGPT从 11 月底横空出世后,重新激发了全世界内对 AI 的狂热。

  “未来一定是AI的世界”,赵亚雄博士的商业猜想转移到大模型。但他的商业方案“算想未来”不直接参与做大模型,而是要做大模型和AI应用的基础设施。未来“算想未来”要做AI的基础设施—— AI IaaS Cloud,有别于传统的云计算厂商,即一个以AI为导向的云计算厂商。

  赵亚雄博士基于自己长期在Google 为 Google Brain、DeepMind 构建的大规模高性能机器学习计算平台上的经验,敏锐地意识到中国大模型的研发,受制于基础设施软件薄弱、人才稀缺、以及 GPU 芯片禁售的风险。他坚信,接下来将迎来大模型大爆发,对算力的需求随之会暴涨,“算想未来”就是要承接住大模型带来的这部分机会。

  以下是雷峰网与赵亚雄博士的对话,讲述了他对大模型的认知,对国内云计算、SaaS产品发展的分析以及“算想未来”的规划。

  赵亚雄:2018 年我们就关注到来自 OpenAI 的博客 “AI and Compute”()的一个结论:大模型的算力需求每 3.4 个月翻一番。我还在 Google 时,Google就从始至终保持对大规模机器学习、深度学习的投入,我这边所在的 Borg 团队一直有专门的小组支持 Google Brain、DeepMind ,负责在大规模 GPU、TPU 集群上的资源管理和调度。

  我们一直关注Transfomer、GPT 的进展,但是 ChatGPT 的诞生确实完全出乎意料,的确完全超出了我们之前脑海中固化的“线性发展”的能力曲线。也从前同事了解到ChatGPT对Google的冲击,感觉到很震撼。

  2018 年我们尝试了 GPU Cloud 的创业方案,2020 年又尝试了 Compute Infra with AI Chips,都没有成功。当时最大的阻力在于,大规模的 AI 算力需求仍然只是头部大厂的小众需求,市场空间存在限制。真正重新唤起我们对 AI 基础设施的热情,是在 3 月 27 日陆奇博士在奇绩创坛得宣讲会上,他认为大模型已经带来划时代得变革。

  3月 27 号那天,陆奇博士召开了一个奇绩创坛内部成员企业的转型研讨会,主要是有关AI、大模型。我们都知道陆奇博士他对AI领域的贡献:作为AI的一名布道者,他很早就参与过 OpenAI 的早期工作,在微软也一直在做搜索及人工智能方面的技术管理,百度的“All in AI ”战略也是他制定的。

  在这个研讨会上,通过陆奇博士的视角,让我从整个人类社会经济历史、社会持续健康发展以及大模型带来的机会,对大模型有了更加深刻的认识。

  我们意识到 AI 基础设施软件,对中国大模型团队追赶 OpenAI 至关重要。基于我们跟 OpenAI 基础设施团队过往的交流,我们大家都认为中国没有可以匹敌 OpenAI 的基础设施软件技术团队,这是“算想未来”的起点。

  雷峰网:也就是我们要做AI的云,但是现在国内公有云竞争已经是一片红海了。

  赵亚雄:传统 Cloud 市场确实是红海。但是大模型和 AI 应用的需求,完全不同于传统 Cloud 所服务的软件系统。在大模型和 AI 应用领域,大家的技术积累没有质的差别。

  首先我们正真看到中国现在有个最大的机会,就是中国正在发展独立自主技术体系,也就是常说的国产替代,从政府到公众、以及企业都推动。如此一来,从芯片,到服务器等基础设施,再到上面的模型应用,都有机会完全独立自主。每个层面都有全新的机会。

  另外,因为 AI 大模型带来的AI算力的需求,包括AI的训练和AI的应用研发,这些场景衍生出来的公有云需求,会持续迅速增加。我们有一个非常有名的统计数据——OpenAI 在 2018 年写的 AI and compute 的一个blog,里面介绍了他们统计的每个时间阶段最大的深度学习模型,它训练所需要的算力总额,每3.4个月就要翻一翻。那可想而知,随着未来 AI 持续地被更多人使用,算力以及从算力衍生出来的大数据还有 AI 应用研发,对基础设施的需求会很快地超过传统的云计算。

  赵亚雄:我们要做一个操作系统,或者说一个管理 AI超级计算机的基础设施软件平台。

  这个操作系统将 GPU(以及其他定制化的AI芯片)的算力,充分释放给上层的 AI训练和推理,特别是大模型的训练。我们现在要做的这个 GPU 计算平台软件,实际上就是让大模型训练,可以高效地扩展到GPU集群所能允许的规模最大,提升训练过程中对硬件的使用效率,加速大模型训练的迭代速度,最终达到快速追赶 OpenAI 的目标。

  通过扩大规模来提高硬件使用效率,缩短模型训练的时间周期,原来可能要两个月训练,我们现在可以三个星期完成,快速地进行模型研发、迭代,从而加速去追赶 OpenAI ,尽早达到OpenAI GPT 3.5 或者 GPT 4 的能力。

  “算想未来”第一阶段关注提升分布式大模型训练的规模;第二阶段,我们会寻求国产 AI算力的硬件,即GPU和其他 AI芯片的合作,为大模型及AI应用提供最具性价比的AI推理算力,并推出算想未来自己的AI算力基础设施解决方案,来为大中型企业建立私有AI云。

  “算想未来”的最终目标,是在第三阶段,集合大数据、训练、推理以及其他 AI 计算相关的基础设施能力和服务,立足中国、服务全球,成为中国领先的 AI IaaS 云服务提供商。

  赵亚雄:AI 超算的这个概念,现在指的是一类专门来服务大规模机器学习和深度学习,还有别的 AI 训练的一类集群式的计算平台。我们说的超算跟你提到Meta的RSC,其它的系统还有Google TPU Pod(、Tesla Dojo ExaPod()这些都是同一类型的硬件系统。

  AI超算的硬件之上还有软件层,那这个软件层我们大家可以把它想象成, AI超级计算机的操作系统,它最核心的是要提供一种能力:可以把底层硬件的算力资源,通过软件的 API 形式,更容易地让模型这些框架性的软件高效率地对接起来,从而让机器学习和人工智能的研究人员和 AI 应用的开发者,可以用尽量小的研发投入,来使用 AI 超级计算机下面的硬件计算能力。

  赵亚雄:是的。百度百舸,是针对客户自有硬件之上的私有化部署的软件产品。“算想未来”在第二阶段推出的私有 AI 基础设施解决方案,就会包含一个与百舸类似的软件平台。而火山引擎中针对 AI 的基础设施云服务,包括网络,相关大数据产品,也是我们未来要尝试的方向。“算想未来”的优点是,拥有来自硅谷一线大厂中核心 AI 基础设施团队,从事 AI 超算系统研发的实践经验。

  另一个不同之处在于大家聚焦点不同,“算想未来”平台聚焦底层硬件资源的管理、优化、调度。而以上的产品专注在提供软件工具来帮助机器学习研究者、AI 应用开发者,来更快速完成机器学习模型代码和AI 应用代码的编写。换言之,“算想未来”关注的是如何将硬件资源以软件 API 的形式呈现给机器学习研究者、AI 应用开发者,让模型训练、AI 应用能更高效地使用硬件资源。

  此外,我们的平台将聚焦在支持国产 GPU,目标是基于国产 GPU 构建媲美 nVidia 芯片的算力平台解决方案。以上百舸、火山引擎也支持其他非 nVidia GPU,但只是将其作为补充、并非核心。从技术独立自主这个方面看,百舸、火山引擎并没有优势。

  雷峰网:前面提到“算想未来”是基于大模型做基础设施,提供公有云服务,那您怎么样看待国内这群做大模型的人和公司?我们听到的有一种观点是,目前国内这些做大模型的企业大多都是白费力气,他们用的都是很老的算法,您为啥不直接切入做大模型,而是要做大模型的基础设施?

  赵亚雄:首先我认为这些投资和大模型团队的出现都是非常好的,对中国的AI发展有积极作用。

  这一次,在人工智能方面,中国和美国的差距通过 ChatGPT 放大出来。以前官方报道的中国人工智能的水平,很多是通过专利、论文,还有毕业工程师和博士的数量等等,这种量化指标来体现。那这些量化指标有个很大的缺陷,就是没有关注AI 理论研究的实际水平,以及支持 AI 理论研究和应用软件系统的基础设施(包括硬件、软件)的能力, AI 应用实际落地的商业闭环和对 Ai 技术生态的飞轮效应。

  ChatGPT让我们正真看到美国整个生态是有更深的“内功”,以前不过是发“大招”之前的蓄力,看上去平平常常,一爆发就震惊世界。

  当然差距没有想象中那么大。相比之前各个轮次的创业热点来说,这次的热点是一个完全由技术驱动的创业热潮。上一轮技术驱动的热潮是无人车,但当时的问题是它是以美国的团队为核心,像小马智行、文远知行等,实际上都是美国的人才在美国的土地上来做这件事情,虽然接受了大量中国风投的资金,但是它整个还是美国公司。

  这一次大模型的创业有一个非常好的变化,就是中国本土的人员搭上本土的资金,然后也是完全关注中国本土市场,而且完全由技术驱动。

  以技术驱动的创业,最后能取得好的商业成果的概率都是很低的。这是毋庸置疑的。但是,技术驱动的创业所积累下来的技术成果,在未来都是有更大机会在新的场景下发挥价值,这跟以往的商业模式驱动的同质化创业竞争区别就在这儿。商业模式同质化竞争的失败者,他所积累的东西本身基本上没有复用价值,至多就是提供给后来者如何规避商业竞争中的同类风险。

  “算想未来”的信心在于,我们能搭建一个世界一流的工程团队,拥有在硅谷头部企业研究团队中实践大模型训练的技术经验,依照我们在美国的技术经验和技术的实践成果,把这些技术能力转移到国内来做第一批早期客户。

  我们最近也是跟国内的大模型团队,还有别的的历史更长的一些人工智能公司做交流。我们很明显地感觉到,大家对基础设施方面有一些共性的技术问题,都是我们之前在 Google 还有别的的公司都已经解决过的。所以在技术解决能力上我们很有信心。

  雷峰网:您说我们正在跟很多大模型团队有过讨论,能透露一下接触过哪些团队吗?

  赵亚雄:所有中国过去一段时间出现的大模型团队,我们都在接触中。其他的还有一些传统的 AI 应用厂商,大家耳熟能详企业,我们也在积极地做业务拓展,具体的信息在“算想未来”后期有了阶段性成果之后,肯定会公布出来。

  雷峰网:既然您同意国内大模型勇于探索商业模式的公司只有30+家,竞争非常激烈,后期活下来的也不会很多。那么,“算想未来”闯进AI的基础设施领域,市场空间有多大?

  赵亚雄:首先要明确一点,我们的AI IaaS Cloud只是从服务大模型团队做切入,实际上我们的愿景是AI 基础设施的云服务,它无论是大模型、中模型,还是小模型,甚至是边缘的,甚至是嵌入式移动端的,都会有相应的需求。我们会为所有的公司可以提供相应的训练、推理,还有大数据以及其他支撑性的软件服务,像 MLOPs、AI 应用框架、Serverless AI 等等这些。

  目前大模型创业,是争夺大模型市场的领导地位,其中绝大多数企业都会在竞争中被淘汰,从而消失,或者只享有极小的市场占有率。但是这不意味着未来只有极少数几家大模型团队。实际上在主流投资圈关注的视野之外,有很多大模型团队都在默默地自由生长着。最后的格局应该是少数几家头部,后面跟了大量长尾的大模型团队服务各个行业客户。

  另一个方面,大模型训练也不是少数企业才会有的需求。因为大模型开启了 AI 经济的序幕,意味着一般意义上的 AI 模型即将被大多数消费者、软件厂商所接受。

  此外,虽然大模型与传统手工编写的软件,采用了完全不同的生产方式,但大模型仍然是一种软件,仍然需要在使用的过程中不断进行重新训练、微调来使用户得到满足的具体需求,这导致需求会源源不断。

  正如用户在使用开源软件,都或多或少会进行一定的定制,因此不会出现由少数几个大模型公司垄断模型训练、推理的情况。

  综上,我们大家都认为以大模型训练为开端,逐步扩大和深入的国内AI经济,将会是一个多元多维度持续不断的发展的市场,不会是单一的,也不会是停滞的市场。

  赵亚雄:鉴于中国经济的独特结构,国有企业主导的、以公有制主体的经济格局,要有美国模式的 SaaS 产品出现,成本过高了。

  大模型的出现意味着以 AI 为主体的软件服务,会给中国软件产业带来跳跃式发展。如同中国跳过 PC 互联网的成熟而立即进入移动互联网,中国的软件服务业也会跳过 SaaS 进入 AiaaS 阶段,这在某种程度上预示着绝大部分软件应用都会用AI 模型来支持其功能,也代表着更广泛的 AI 算力需求,这正是“算想未来”最关注的市场空间。

  如此一来,国内的 AI 基础设施市场有机会出现一个“为中国 AI 经济而生的 AWS”,在AI云上也随之能长出如Netflix这样的现象级SaaS应用。这是“算想未来”的机会和目标。

  但国内这些以大模型为核心的公司,不会成为像AWS那样的大公司。我们当然是希望王慧文这样的成功创业者,能走出一条出人意料的商业化路径,这也是我们愿意跟所有的大模型团队,一起来琢磨在更大的集群上跑更大的模型的办法,首先完成对 OpenAI 的追赶,然后大家再厮杀角逐出最强的团队,跑出最好的商业模式。

  雷峰网:为什么国内这批以大模型为核心的勇于探索商业模式的公司,不会成为像AWS那样的大公司?

  赵亚雄:假设这些大模型公司,打算以大模型构建公有云平台,那这在某种程度上预示着大模型要具有广泛的应用能力,来为其他 AI 应用团队提供一种等同于(现有公有云上的)IaaS 能力,换句话说,AI 应用团队要可使用大模型来搭建自己的 AI 应用。

  这就存在两个问题:1、大模型的泛化能力有待验证。现在仅仅依靠文本语言作为媒介的大模型,虽然表现出了类人的能力,但是很难来想象这种能力如何作为基础能力,来嵌入其他应用,即商业化场景模糊。

  2、大模型的技术壁垒有限。LLaMA开源之后,其能力已经接近、或部分超越 GPT3,虽然 GPT4 的能力大幅度的提高。但是在大厂之间,模型的能力差距在 3 年之内(以两者发布时间为对比, llama 2023年对比 GPT3 2020 年),并且这个差距是在 meta 等企业无意持续扩大模型和训练数据规模的情况下产生的。OpenAI 尚且可以凭借先发优势,保证市场主导地位,而国内公司由于均处于同一出发点,而且在技术路线上完全跟踪 OpenAI,因此并不存在一家独大的现实基础。

  当然一切仍需由市场、时间给出答案。美团诞生之初,恐怕也很难以预测其能成长为 O2O 的统治者吧。

  雷峰网(公众号:雷峰网):回到“算想未来”,名字是您取的吗?有咋样的含义或者寄予了怎样的意义?

  赵亚雄:一开始项目名字叫初芯,大概意思就是说 AI 的计算,但是很多人反映听上去像一个做芯片的公司,就换成了“算网”。

  因为我们是一个云计算公司,这是“网”代表的含义。那“算”则是对计算需求的体现。算网加在一起,代表我们就是一个做计算的、一个云的提供商。因为在未来比较长一段时期里面,我们始终相信AI算力需求会成为人类所有的算力需求里面最主流的、最重要的这一部分。算网此阶段正是要服务 AI 计算的需求。

  我们觉得“算网”非常顺口,但很快因为这一个名字注册不到公司和商标。团队一起头脑风暴后有了“算想未来”这个名字。

  “算想未来”表达了我们对未来 AI 算力需求的愿景,算、想这两个字代表以计算为基础,通过 AI 技术服务人们的想象力、创造力。“算想未来”代表用计算将人们想象中的未来,变成现实的使命。

  赵亚雄:我在 Amazon Kinesis 待了 1 年不到,Google 做了快 6 年,后来以早期员工身份加入 Pixie 并被 New Relic 收购。这些年里我一直在做云基础设施、AI基础设施相关的工作,积累了很多经验。

  例如,参与过Amazon一个很有名的云产品 Kinesis;2015年加入Google的Borg团队,负责 Google 内部所有服务器集群,它类似一个 K8S 的平台;2018 年之后,以我为主在Borg内部开启了一个新项目,即让 Borg 上面的应用开发者,可以更容易地开发管理他自己的业务,这个系统用到了机器学习来优化集群管理和资源调度,同时也提高了Borg 平台上的底层硬件资源的使用效率。

  Borg后期的工作,主要的重点都是来支持机器学习和人工智能,就像网络层的话,我们给机器学习这些算力芯片都专门设计了高性能的网络。我也直接参与和领导了 Google 内部全球化 GPU 算力池的项目,目的是让 Brain、DeepMind 的 AI 研究者和工程师,很容易地把机器学习训练任务跑在全球各地的数据中心里。

  2019 年作为第四号员工,正式加入 Pixie初创公司,这个公司的软件工程体系是我跟创始人一起,按照 Google 的实践经验来搭建的。

  具体来说,Pixie算是我第一次正式创业,它是一家硅谷初创公司,产品是面向 Kubernetes 的微服务观测平台,创新点是用 eBPF(Linux 内核中的可观测性 API)实现无侵入式的数据采集。Pixie 曾获得顶级 VC Benchmark & GV的投资,并于 2020 年 12 月被应用性能监控领域的老牌厂商,同时在纽约证券交易所上市公司 New Relic 收购。

  其实,Amazon和Google的经历,除了让我在技术上得到历练和积累,更多的是对我创业精神的影响。Amazon和Google都是极具创业文化的公司,在Amazon,内部每个团队都可当作一个小的勇于探索商业模式的公司,来定位自己的业务方向;而Google鼓励员工创业,在员工离职创业后,想要再加入Google并不是特别需要面试,这给了员工很大的心理保障和激励。

  雷峰网:作为初创公司,我们怎么与百度百舸、火山引擎这些大厂的产品来竞争?

  第一,也是最重要的点,初创企业胜在小而精悍!初创公司整个团队凝成一股劲之后的战斗力,是很多大厂比不了的。大厂有钱有资源,也没有办法弥补文化和团队精神上的绵软和懈怠;毕竟人不是机器,不是老板说一句大家要拼,就能拼得起来。对此我在Pixie深有感触。这也是“算想未来”的最大的动力和信心来源。

  举个例子,当遇到一个非常难的一个技术问题的时候,勇于探索商业模式的公司往往整个团队更加执着,以及整个团队的紧密合作最后得出来的解决方案,其质量远高于大厂。

  这可以用“木刀”和“钢刀”来比喻大厂和初创企业,相比木头,钢铁更锋利是因为它的元素更紧密地贴合在一起,密度大。大厂更像是一个木质的机构,自然会面临组织能力涣散、退化。所以“算想未来”要解决的就是如何长期拧成一股绳,保持高战斗力,跟大厂对抗,如何能从始至终保持这种凝聚力,这是我们最核心、最关键要考虑的问题。

  第二,我们有技术上的后发优势。怎么理解呢?从技术发展角度来看,每次出现一次巨大技术变革之后,新入局的玩家共同具有的一个优势,就应该很容易规避之前的发展进程中的弯路和各类无效的投入。说白了就是相对于更大、更成熟的厂商,初创公司从一开始就能花小钱办大事儿。

  第三,在大模型带来的 AI 计算需求之前,在所有主流平台上的AI需求都不是主流的需求,所以大家对该问题的研究都是很有限的。换句话,今天我们跟他们其实是处在同一个起跑线上。

  具体到正在做的事情。我们的核心小组成员都是来自国际大厂的infra技术专家,同时我们能时常与 OpenAI、 MSR 、Google、DeepMind这些AI先进团队保持密切交流、合作,从而从各个层面了解世界前列对 AI 的趋势判断。这是国内以业务驱动的 AI 团队所不能够比拟的,因为我们所了解的信息始终比他们要高一个层次。

  第四,我们更多是把AI作为一种改变世界的技术方法,而不是服务某项特定业务的技术能力来看待。所以我们能看到中国的SaaS实力不足,过去中国经济发展实际上没有很好的方法支持,如美国那么大规模的 SaaS 企业,只有AI这样的技术工具出现,我们才可以以更高效的方式来实现软件服务。

  最基本的逻辑是美国的 SaaS,现在都是以公有云为支撑的数据的搬运和处理,那它对数据本身的大小处理并没有实质性的变化。有了大模型之后,就可以把上TB的数据浓缩到几百G的模型里面,再加上模型还有自学习能力,实际上便可以大幅度降低软件服务在交付功能过程中,对数据的这个依赖程度,如此就能极大的提升软件服务的效率。

  这也是为什么中国的 SaaS 在国内反而发展不起来,因为市场给它的空间很有限,但对它的效率要求又非常高,又没有一个技术方法,能用更高效率来实现这些软件服务。现在有了大模型后,我们意识到在技术上用 AI 的通用手段来实现软件服务,会比传统的SaaS模式效率更加高,而且是可行的。

  我们把公司的名字叫做 “算想未来”,体现的就是我们用 AI + 计算来实现人们想象中的未来世界的愿景,我们对AI 价值的认知,比我们接触到的国内这些大厂或者是其他勇于探索商业模式的公司,要走在更前面。我们这个团队人员来自中国大陆、日本、美国,既有金融背景在高盛待过的投资人、硅谷大厂的技术专家、清华基础科学班毕业的人工智能专家,都是围绕在我们对 AI 经济未来的认知上的,才能把天南海北、各行业的顶尖专家聚拢起来。

  最后总结一下的话,毫不夸张地说,我每天睡觉之前都反复拷问自己你问的这样的一个问题;我们创始团队每次都会专门花时间来一起思考这样的一个问题。头脑风暴啊、假想场景啊等等,大家的共识就是,困难很大,但是我们这个团队,就只喜欢做最具挑战性的事儿。

  赵亚雄:李静是我们的COO,她之前在高盛做投后管理,我们的首席科学家和CTO,他们分别都是在日本和美国AI 研究和应用领域知名的研究机构供职,但现在不方便透露他们的具体身份。

  目前我们正在加速筹备完整的团队,同时也慢慢的开始跟很多大模型团队做业务探讨。我们已在推进与国内知名的语言类 AI 产品供应商的合作,来推进帮他们如何提升大模型训练,即 GPU的使用效率。

  总体上来说,我们是一个进展非常快的团队,因为机会很重要,我们从始至终是以成为中国 AI IaaS Cloud领导者的目标来快速推进。像我的线 月份到现在,每天都是 997 的工作节奏。

  赵亚雄:因为Netflix它是传统云计算上的一个杀手级应用,是伴随着 AWS 的成长逐渐长出来一个SaaS产品代表。我们大家都希望未来在“算想未来”的平台上,也可以生长出一个能颠覆现在各类 To C 互联网公司的,一个全新的,以 AI为核心的一个消费者应用。

上一篇:比亚迪退出百度无人驾驶合作转向内部开发丨雷峰早报

下一篇:近期贸易限制措施及相关风险提示