#TPU

3周前

Meta真的太狠了，美国机构炒作确实太狠了一个TPU，就能颠覆你AI基建钱花多了以后可能根本收不回来这回事吗？用逻辑想想谢谢大家 😳😳

#Meta #AI基建 #TPU #美国机构炒作 #质疑

3周前

CUDA + PyTorch仍然统治地位，TPU动摇不了

谷歌TPU崛起，英伟达面临市场危机· 19 条信息

#CUDA #Pytorch #TPU #人工智能 #深度学习

3周前

CPU TPU GPU: CPU 像一个特别聪明全能的工人——什么都会，但干重复活很慢 GPU 像几千个通才工人一起干活 TPU 像一条专为单一任务定制的自动化流水线，机器排列好之后几乎没有来回搬运 TPU 只接受数据、不接受指令，不用在几百种运算指令里做选择，也几乎不需要数据缓存，数据像流水线一样按既定路径流过，从而省电、省面积、利用率拉满 TPU 在机器学习任务上能做到极高的每瓦性能和每美元性能，但基本只能干这一件事，灵活性远不如 GPU

谷歌TPU崛起，英伟达面临市场危机· 19 条信息

#CPU #GPU #TPU #机器学习 #硬件性能

3周前

Chinese AI chip startup 🇨🇳 Zhonghao Xinying (中昊芯英), aka CL Tech and Chipltech, has emerged as a home-grown alternative to Nvidia with a new tensor processing unit (TPU), just as Google shakes up Nvidia’s lock on the market by selling its in-house tensor chips directly to major tech firms. The Hangzhou-based firm said its self-developed general-purpose tensor processing unit (GPTPU) went into mass production as early as 2023. Its flagship chip, dubbed Chana (刹那), delivers up to “1.5 times the compute performance” of Nvidia’s A100 tensor core GPU, while “cutting energy consumption by 30% for equivalent large-model workloads and reducing per-unit compute cost to 42% of Nvidia’s”, according to the company. TPUs, a type of ASIC, developed by Google for neural-network training and inference, offer higher efficiency and throughput for certain deep learning workloads. Nvidia’s GPUs are considered the backbone of the global AI boom, making the firm the world’s most valuable company, yet many customers are keen to reduce their dependence on the US chip giant. Google’s recent decision to supply TPUs directly to Anthropic and Meta Platforms, instead of only providing access through its cloud services, has positioned it more as a direct rival to Nvidia. The move even rattled market confidence in Nvidia’s long-term grip on the sector. Chinese AI developers began to seek alternatives to Nvidia after Washington restricted their access to the US firm’s most advanced products. Zhonghao Xinying was founded in 2018 by Yanggong Yifan (杨龚轶凡), a Stanford and University of Michigan-trained electrical engineer who previously worked on chip architectures at Google and Oracle. He was involved in the full design-to-deployment cycle of Google’s TPU v2, v3 and v4, according to the Chinese company. CTO and co-founder Zheng Hanxun, a graduate of the University of Southern California, previously worked in chip-design roles at Oracle and Samsung Electronics’ R&D center in Austin, Texas. Yanggong said Zhonghao Xinying’s TPU features “fully self-controlled IP cores, a custom instruction set and a wholly in-house compute platform”. “Our chips rely on no foreign technology licences, ensuring security and long-term sustainability from the architectural level.” “We have achieved a 1.5x performance increase while reducing power consumption to 75% using a manufacturing process that is an order of magnitude lower than that of leading overseas GPU chips,” Yanggong said in a June speech. As a fabless chip company, Zhonghao Xinying outsources the fabrication of its chips to foundries, but it has not publicly revealed its manufacturing partners. The company also introduced Taize (泰则), a large-scale compute cluster linking 1,024 Chana units, capable of supporting training for trillion-parameter-class foundation models. Yanggong told an industry conference in June that a “next-generation TPU” was in the works, without giving a timeline. In August, Zhonghao Xinying announced plans to acquire Shanghai-listed auto-parts maker Tip Corporation (天普股份), a move that pushed the latter’s shares from roughly 30 yuan at the time to 140 yuan today. Financial filings for the acquisition revealed that in 2023 Zhonghao Xinying generated 485 million yuan (US$68.4 million) in revenue and 81.3 million yuan in net profit, largely from the Chana TPU. Revenue rose to 598 million yuan in 2024, with net profit edging up to 85.9 million yuan, but for the first half of this year it reported revenue of just 102 million yuan and a loss of 144 million yuan. Zhonghao Xinying signed a performance-guarantee agreement with its investors that requires the company to go public by the end of 2026, or a share buy-back clause will be triggered. Tip Corporation said in a recent filing that Zhonghao Xinying had already begun work on a separate, independent IPO; so the chip startup is not pursuing a reverse takeover of Tip Corporation.

谷歌TPU崛起，英伟达面临市场危机· 19 条信息

#国产替代 #中昊芯英 #TPU #NVIDIA #AI芯片

Manchurius Hao — Greeks.live首席赌狗

3周前

趋势交易者注意： $avgo 破前高，但是技术是一个辅助指标，Raw demand来自 TPU给自研ASIC打出了响亮的广告。

谷歌TPU崛起，英伟达面临市场危机· 19 条信息

#AVGO新高 #TPU #自研ASIC #需求旺盛 #技术指标

Tigris 会讲课教授是好老师

3周前

你开个特斯拉，旁边来个人问你这是加91还是93号汽油。你会睬她么？英伟达这种OpenAI和AMD合作都不发一言，今天破天荒推特发布针对Meta采购Google都TPU，表示祝贺并强调GPU是最牛x的。因为他真感到威胁了，当然英伟达这么做的本质不是证明自己强而是证明他意识到对手开始具备扰动市场叙事能力… 已经开始走下神坛了，绝对的王者，要考虑一个残酷的未来，不是被全面替代，不是没人买了，也不是增长崩了。而是从75%的毛利“神话定价权”回到“高端工业品”的正常定价。尽管你可以继续卖最好GPU，享受AI 爆发的红利、你的收入和利润依然能在未来几年继续涨。但客户不再愿意永远给你“垄断溢价” HBM内存吃一块、台积电代工吃一块，然后现在定制ASIC 比如TPU吃一块，毛利太高就好比诲淫诲盗，人家都盯着世界变了，从TPU这一刻，“你来我这买,别无选择”的世界不存在了。这就死最大风险。

英伟达市值突破5万亿，科技巨头再创历史· 44 条信息

#英伟达 #垄断溢价 #TPU #市场竞争 #毛利

3周前

$GOOGL Google DeepMind 的研究科學家，專注於 TPU 設計，談及今日 $NVDA 股價拋售：「這次拋售顯示市場對硬體和需求有多無知。」

英伟达市值破四万亿，AI芯片霸主地位稳固？· 216 条信息

#Google DeepMind #TPU #NVDA #股價拋售 #市場無知

3周前

233看到推上各位dalao讨论tpu和gpu我都想笑

#TPU #GPU #技术讨论 #Dalao #嘲笑

4周前

Meta 买TPU 来炒作，掩盖自己AI 业务实质归零。

#Meta #TPU #AI业务归零 #炒作 #负面

4周前

来自《The Information》的最新消息：$GOOGL 正在与 $META 洽谈，拟允许他们使用/运行谷歌的 TPU。

#GOOGL #Meta #TPU #合作 #科技

1个月前

Google推出了Ironwood，这是其第七代TPU，旨在与 $NVDA 正面竞争。它的速度比上一版本快4倍，在一个芯片组中连接了9000多个芯片，使 $GOOGL 能够以全规模训练万亿参数模型而不会出现瓶颈。最近谷歌的好消息略多，盘前涨超289美元。

#Google #Ironwood #TPU #NVDA #万亿参数模型 #股价上涨

1个月前

谷歌刚刚宣布将在太空建设由 TPU 驱动的 AI 数据中心——计划于 2027 年发射。 “阳光捕手计划（Project Suncatcher）”：在 650 公里轨道部署太阳能卫星，直接利用太阳能运行 AI 任务。其物理优势非常明显——由于没有大气层和昼夜交替，太阳能捕获效率提升 8 倍；真空环境冷却可消除地面数据中心 40% 的散热成本；并且具备抗辐射设计的 TPU 已通过 15 倍任务要求测试。谷歌将在 2027 年初发射两颗卫星，每颗携带 4 块 TPU，用于验证这一方案的可行性。

#谷歌 #太空数据中心 #TPU #太阳能 #人工智能

1个月前

Google 要干戴森环？今天 Google Research 团队发表了一篇关于 Project Suncatcher（太阳捕手）项目的研究论文「迈向未来太空高可扩展性 AI 基础设施系统设计」，评估了配备 TPU 的太阳能卫星和自由空间光链路，在太空中进行大规模机器学习计算的可行性☀️ 论文认为“Suncatcher 项目”是可行的，有四个关键条件： 1. 网络带宽可行性：通过“拉近距离”来实现 AI 集群所需的超高带宽（10 Tbps 级别）远超当前太空技术。通过让卫星编队在极近距离（数百公里或更短）飞行，使得接收功率大幅增强。这允许在太空中直接使用地球上成熟、高带宽的商用光通信硬件 (COTS DWDM)，而无需发明新技术。 2. 轨道动力学可行性：利用“被动安全”编队为解决近距离飞行的碰撞风险，论文设计了一种“自由落体”星座。在这个编队中，卫星依靠自然的轨道动力学来维持一个“呼吸式”的、可预测的相对位置。这种设计几乎不需要消耗燃料来维持编队（零 delta-v 需求），仅需少量燃料对抗扰动，使其在工程上可行。 3. 芯片生存可行性：商用 TPU 的“超预期”耐受性项目的一个核心问题是地球数据中心的 AI 芯片（TPU）能否在太空辐射下工作。测试结果出人意料地乐观：Google Trillium TPU 对总电离剂量 (TID) 的耐受性几乎是 5 年任务最低要求的 3倍。对于单粒子效应 (SEEs)，其导致的错误率对于 AI 推理任务“很可能是可接受的”，故障概率极低。 4. 经济可行性：发射成本即将与“地球电费”持平该方案的经济临界点是发射成本降至 $200/KG。这一价格下，将 AI 硬件发射到太空的年均摊销成本（例如 Starlink v2 模型为 $810/kW/y）将与地球数据中心支付的年均电费（$570-$3,000/kW/y）大致相当。基于 SpaceX 等公司的可复用火箭（如 Starship）发射成本的降幅，改成本预计在 2035 年左右可以实现。 --- Google 的母公司 Alphabet 是 SpaceX 的早期投资人，目前还持有 8% 左右的股份。未来十年，随着发射成本的大幅下降，近地轨道的空间经济也会快速发展，这里会涌现出非常多的创业公司和应用场景，我会持续帮大家关注，投资机会都在论文里😄 下图展示了轨道平面内一个示例性 81 颗卫星星座的完整轨道周期轨迹，其平均集群高度为 650 公里。集群半径 R=1 公里，在地球引力作用下，相邻卫星间的最近距离在约 100-200 米之间振荡🛰️

#Google #Project Suncatcher #太空AI #TPU #SpaceX

1个月前

#每日推荐 CPU、GPU、TPU、NPU傻傻分不清

#CPU #GPU #TPU #NPU #硬件

1个月前

原来，机构在一个月前就知道，anthropic给goog下了100万tpu的订单，消息比散户快太多了。

DeepSeek数据泄露：德国下架，信任崩盘· 446 条信息

中国DeepSeek引发美国科技股暴跌事件· 170 条信息

#机构 #Anthropic #Google #TPU #订单

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3个月前

有空也要看看TPUGPU到底在干啥

#TPU #GPU #技术 #研究 #硬件

11个月前

Nvidia, GPU (Graphics Processing Unit) Google, TPU (Tensor Processing Unit) Groq, LPU (Language Processing Unit) Groq：Nvidia 的最新 AI 竞争对手 Groq 创新的核心是其 LPU，旨在以前所未有的速度加速 AI 模型，包括 ChatGPT 等语言模型与使用高带宽内存 (high-bandwidth memory, HBM) 的 GPU 不同，Groq 的 LPU 利用 SRAM 进行数据处理，从而显著降低能耗并提高效率 GroqChip 的独特架构与其时间指令集相结合，可实现非常适合自然语言和其他顺序数据的顺序处理 Groq Language Processing Unit (LPU) 与最初为图形处理而设计的 GPU 完全不同，LPU 是为 AI 推理和语言而设计的 Groq 是 LPU 的创造者，它从头开始构建，以满足 AI 的独特特性和需求 LPU 以更快的速度运行大型语言模型 (LLM)，在架构层面上，与 GPU 相比，其能源效率提高了 10 倍 Groq 使用 Haskell 的其中一个目的是为新芯片 LPU 提供嵌入式领域特定汇编语言（assembly EDSL，汇编 EDSL）这也是 Haskell 又一成功案例 Groq 创始人兼 CEO：Jonathan Ross 在创立 Groq 之前，Jonathan 启动了 Google 的张量处理单元 (TPU) 项目，这是一个 20% 的项目，他设计并实现了第一代 TPU 芯片的核心元素 Jonathan 接下来加入了 Google X 的快速评估团队，这是著名的“Moonshots factory”的初始阶段，他为 Google 的母公司 Alphabet 设计并孵化了新的 Bets (Units) Jonathan 师从纽约大学柯朗研究所的 Yann LeCun

#NVIDIA #AI #Groq #GPU #TPU #LPU #ChatGPT