特斯拉发布重磅AI芯片 AI独角兽商汤科技最早月底赴港上市

IBM发布首款7纳米AI芯片，加码人工智能基础设施竞争

当人工智能（AI）加速芯片已成为大型科技公司标配后，老牌科技公司IBM亦给出回应。在本周举行的芯片行业会议HotChips上，IBM正式公布新款处理器“Telum”，Telum是IBM首款具有芯片上AI加速功能的处理器，用于IBM下一代Z系列大型机和LinuxONE服务器。

IBM Telum包含8个处理器核心，频率超过5GHz，每个核都由重新设计的32MB专用2级缓存支持。该处理器采用三星7纳米制程工艺，并且单芯片内采用17层金属连接，来完成高密度电路互连，总线长可达约30公里。

为了支持AI加速处理性能，新处理器面积为530平方毫米，集成多达225亿个晶体管，并拥有全新的分支预测、缓存，支持多芯片一致性互连，性能提升超过40%。

此外，IBM Z Telum处理器还采用双向环形互连拓扑结构，带宽接近320GB/s。三级缓存所有核心共享，通过二级缓存与核心相连，平均延迟达到12纳秒（1纳秒等于10的负9次方秒）。

IBM称，新处理器通过芯片内深度学习推理（Inference） ，帮助即时解决金融客户解决欺诈等问题，从而不需要将数据转移至芯片外。AI计算大致分为两个层面，首先是对模型进行训练（training），整个过程可能耗时数天或数周；之后是训练出的模型做出推理。

嵌入式风口已来，如何乘风而上，成就高薪？

最近两年，小编相信很多工程师在看科技新闻的时候，都会看到不少新名词：智能驾驶、嵌入式AI、AIoT、5G-IoT，等等。而这些新兴科技的底层技术支撑，都离不开一个关键的核心领域：嵌入式开发。硬科技产业蓬勃兴起，嵌入式人才短缺的状况愈演愈烈，薪酬待遇快速拉升。未来几年，嵌入式领域的人才需求量在数百万以上，但每年毕业生的规模却不足10万人，供不应求态势十分明显。

小编大概在2010年开始接触嵌入式软硬件，一直到今天，小编依然还从事着嵌入式软件开发。

“入坑”十年，有感而发，以下内容分享给同行以及“后浪”们。

嵌入式行业是国家的新重点

在经历了互联网的黄金十年，随着越来越多物联网（Internet of Things，IoT）商业项目的落地，嵌入式软硬件开发的人才，也越来越备受企业重视。去年到今年，明显能感觉整个行业明显比前些年薪资水平上涨了。

- 猎头提供了多双倍薪资跳槽的机会，*许多年轻又有能力的工程师*可以拥有更多更好选择。

- 资深的嵌入式工程师，实现百万年薪的机会也明显变多，发展上限明显提升。

造成行业普涨的原因是什么呢？

这两年，由于我们和漂亮国之间的生意矛盾问题，国家明确落地一系列政策，明确鼓励智能汽车、嵌入式AI、半导体等硬科技产业的创新与发展。而嵌入式工程师恰是这些产业的中坚力量。政策的支持再加上目前合格的嵌入式工程师对应的人才缺口，导致企业对相关人才的需求暴涨，涨薪是势在必行。

互联网大厂通常作为科技发展的领航者，开发者通过观察也不难发现，现在很多大厂都把嵌入式物联网作为企业的重点发展战略，比如华为，腾讯，阿里，小米，等等。

产业获得了更多资金的支持，互联网巨头也纷纷下场，这一切都预示着嵌入式行业的风口已经来临。国内互联网的黄金十年红利，让很多大学毕业没多久的年轻人，薪资水平比其他行业的人高出不少，甚至比其他行业的老司机也高出很多，这是行业发展带来的红利。随着物联网时代的到来，同样的红利正在嵌入式行业上演。

特斯拉发布重磅AI芯片！人工智能独角兽上市在即，行业复合增速超60%

中国人工智能市场规模在2016年-2020年复合增长率达到69.79%，业内预计到2025年市场规模将超过4000亿元。

北京时间8月20日上午8点，特斯拉在帕罗奥图总部召开AI日，发布会上推出了其人工智能训练计算机DOJO D1芯片，基于7纳米工艺，Dojo训练模块由25个D1芯片组成，算力高达每秒9PFLOPs（9千万亿次）。

据悉，Dojo AI训练电脑是世界上最强大的人工学习机器，使用7nm芯片驱动50万个训练单元搭建在一起，公司预计下一代产品还将带来10倍以上的提升。

特斯拉CEO马斯克表示，对将人工智能技术授权给其他汽车制造商持开放态度，但不太可能开源特斯拉AI芯片。特斯拉还在会上发布了一款人型机器人，而自动驾驶计算机的新硬件可能会在一年左右的时间里和特斯拉卡车一起推出。

AI独角兽商汤科技最早月底赴港上市

今年以来已有多家人工智能企业闯关A股市场。8月19日，据市场消息，人工智能领域独角兽商汤科技计划最早在8月底申请香港IPO。在此之前，人工智能企业云从科技已经通过科创板申请，第四范式已经提交赴港上市申请书，旷视科技4月提交科创板上市，不过目前没有进展。

另一家人工智能企业云天励飞科创板IPO事项8月6日接受上交所科创板上市委审议。公司于2020年12月8日递交科创板IPO申请，拟募资约30亿元，主要用于城市AI计算中枢及智慧应用研发项目、面向场景的下一代AI技术研发项目及补充流动资金项目等。

值得注意的是，商汤科技投资方背景雄厚，包括阿里巴巴、晨兴资本、万达集团、世茂集团、苏宁、淡马锡、软银愿景基金、厚朴资本、华兴资本、中金公司等。根据相关数据显示，商汤科技今年1月再度迎来融资，融资后估值高达120亿美元。在A股公司中，包括科大讯飞、国中水务、上海临港、易华录、立昂技术等通过不同形式与商汤科技有合作。

艾媒咨询发布的《2020中国人工智能产业白皮书》提到，预计人工智能行业核心产业市场规模在2025年将超过4000亿元，未来中国有望发展为全球最大的人工智能市场。同时，近六成企业表示未来会部署人工智能，超八成中国网民看好其未来发展前景。未来人工智能的应用场景范围将持续扩大，深度渗透到各个领域。

过去几年，中国人工智能市场规模在2016年-2020年持续增长，市场规模从2016年的154亿元增长至2020年的1280亿元，年复合增长率达到69.79%。业内预计人工智能市场将持续大幅度增长，2021年会达到1963亿元。

最近，一位外国博主AIみかん搞了个事情，更是让网友们掀起了一波超强回忆杀：

例如我们熟悉的主角樱木花道，在AI的一通操作后

瞧这经典的红发，犀利有神的眼眉，是有那味道了。

怎么做到的？

博主AIみかん在自己主页中，对此次的作品做了详细介绍：

在这个频道中，我想看看用机器学习的方法，在多大程度上能够还原动漫中的人物，并进行比较。

具体而言，他所采用的方法叫做 Artbreeder。

Artbreeder其实是一个基于生成对抗网络（GAN）技术的在线图像生成网站。

GAN这项技术大家都已经非常熟悉了，自2014年被AI大牛lan Goodfellow提出后，便在机器学习界名声大噪，还衍生出了各种各样的新“玩法”。

简单来说，它主要包含了生成器（Generator）和判别器（Descriminator）。

生成器的输入是一组随机的变量，输出是生成的图；判别器则负责对生成的图进行打分。

生成器所做的工作，是希望生成的图像无限逼近于真实图像；而判别器的想法却不同，它总是想把生成图像和真实图像区分开。

它俩在一起工作，就宛如是一场博弈的过程。

而Artbreeder这个网站，就是采用GAN技术来生成新图像。

在网站中点击创作（Create）后，便可以看到它提供了10种类型的图像生成，包括肖像、动漫人物、风景、建筑等等。

然后你就可以通过调整滑块，来“捏”不同风格的人像、动画。

毕竟Artbreeder这个网站操作简单，而且还免费。

AI顶会，正在使用AI来审阅AI论文

近年来我们在报道 AI 顶会的文章里不断听到「史上最大」、「论文数量新高」等字眼，论文的审核俨然成了一项挑战。但既然是在研究 AI，为什么不让机器来自动解决问题？

人工智能顶会 NeurIPS 2019 的现场，曾被人吐槽像跨年夜的百货商场。

对于大多数科学领域来说，期刊是同行评审和论文发表的主阵地，编辑们会根据专业判断将论文分配给合适的审稿人。但在计算机科学领域，寻找审稿人的过程通常是匆匆忙忙的：大多数论文是一次性提交给年度大会，组织者需要在仅仅一周的时间内将成千上万的论文分配给成千上万的审稿人。

这样的节奏是非常紧张的，在过去的五年内，大型 AI 会议的投稿量增长了三倍不止，也给大会主办机构带来了不小的压力。举个例子，人工智能领域最大规模的定会 NeurIPS 2020 收到了 9000 多份有效投稿，比上一年增长了 40%。组织者不得不将 3 万多个审稿任务分派给约 7000 位审稿人。NeurIPS 2020 大会主席 Marc’Aurelio Ranzato 表示：「这非常累，压力很大。」

大概也是「近水楼台先得月」，AI 顶会的审稿工作得到了 AI 的协助。首先，主办方使用了 Toronto Paper Matching System （TPMS），在此之前 TPMS 也被应用于其他多个会议的投递论文分配工作，它通过对比投稿论文和审稿人研究工作之间的文本，来计算投稿与审稿人专业知识之间的相关性。这个筛选过程是匹配系统中的一部分，期间审稿人也可以主动争取自己希望审阅的论文。

黑掉神经网络，腾讯朱雀实验室首亮相：操纵神经元构造AI后门

我们推崇的神经网络，虽然性能强大，但或许并不安全。

8 月 19 日，在国内著名信息安全会议，第 19 届 XCon 安全焦点信息安全技术峰会上，腾讯朱雀实验室首度亮相公众视野。

作为科恩、玄武、湛泸、云顶之后，腾讯设立的又一个安全实验室，朱雀这个有点神秘色彩的实验室专注于实战攻击技术研究和 AI 安全技术研究，以攻促防，专注于研究腾讯业务及用户的安全。

在活动中，腾讯朱雀实验室高级安全研究员 nEINEI 分享了一项 AI 安全创新研究：模拟实战中的黑客攻击路径，摆脱传统利用「样本投毒」的 AI 攻击方式，直接控制 AI 模型的神经元，为模型「植入后门」，在几乎无感的情况下，可实现完整的攻击验证。

这是国内首个利用 AI 模型文件直接产生后门效果的攻击研究。该方法更贴近 AI 攻击的实战场景，同时也引起了人们对 AI 模型安全问题的注意。

腾讯安全平台部负责人杨勇表示，当前 AI 已融入各行各业，安全从业者面临着更复杂、更多变的网络环境，我们已经看到了网络攻击武器 AI 化的趋势，除了深度学习框架这样的 AI 基础设施，数据、模型、算法，任何一个环节都是攻防的前线。

深度学习精确预测RNA，仅需训练18种已知结构：斯坦福研究登上Science封面

目前，使用人工智能预测化合物分子结构是一个火热的研究课题，DeepMind 蛋白质结构预测工具 AlphaFold2 证明了这一点。但应看到，实现分子结构准确预测的背后需要庞大的数据集。斯坦福大学的一项研究打破了这一限制，他们提出的机器学习方法仅使用很少的数据即实现了准确的 RNA 结构预测。

确定生物分子的 3D 形状是现代生物学和医学发现中最困难的问题之一。许多公司和研究机构花费数百万美元来确定分子结构，却也常常无果。

来自斯坦福大学的研究团队利用机器学习的方法解决了这个难题。在计算机科学系副教授 Ron Dror 的指导下，斯坦福大学博士生 Stephan Eismann 和 Raphael Townshend 巧妙地使用机器学习技术开发了一种通过计算预测生物分子准确结构的方法。并且即使仅从少数已知结构中学习，他们的方法也能成功，使其适用于结构最难通过实验确定的分子类型。

8 月 27 日，该团队与斯坦福大学生物化学系副教授 Rhiju Das 合作的研究论文在《Science》上发表并登上封面。

原文标题：【AI简报20210903期】IBM发布首款7纳米AI芯片！腾讯朱雀实验室首亮相

文章出处：【微信公众号：RTThread物联网操作系统】欢迎添加关注！文章转载请注明出处。
责任编辑:pj