Databricks 前 AI 负责人旨在将能源成本降低 1000 倍

对AI下一次突破的不懈追求资助了大量雄心勃勃的计划,然而,有一家初创公司正抓住这一机遇,从头开始重构计算架构。
在Databricks前AI负责人Naveen Rao的领导下,Unconventional AI旨在大幅提高推理处理的能源效率。其核心创新是一种基于振荡器的新型计算机架构。
周四,该公司发布了其首款AI模型Un0,这是一个图像生成工具,首次展示了其技术如何模拟传统AI系统。在一份配套研究论文中,团队解释了他们如何利用这种新架构的软件仿真,开发出一个功能齐全的图像生成模型,其性能可与最先进的扩散模型相媲美。
“这代表了新计算范式的‘Hello World’,”Rao告诉TechCrunch。“预计未来一年这一领域将出现一些引人注目的进展。”
虽然Un0的输出结果类似于Stable Diffusion或OpenAI的GPT Image 1等模型,但其区别在于底层机制。该模型依赖于基于振荡器的架构,这与为传统计算和大型语言模型提供动力的芯片截然不同。尽管这种方法的好处错综复杂,但Rao预测它可将功耗降低多达1,000倍。
然而,许多必要的基础设施仍在开发中。当前的Un0版本运行在Unconventional振荡器芯片的软件仿真之上,并计划很快发布实际硬件的原理图。长期愿景是从零开始构建完整的推理堆栈,使Unconventional AI能够提供与其他云提供商类似的计算能力。
“我们正在构建一个以我们专有芯片为中心的新系统架构,”Rao解释道。“AI模型将在此基础设施上运行,网络接口处理传入的提示和输出的推理,同时仅消耗1/1000的电力。”
对于一家拥有不到50名员工的公司来说,这是一个极其雄心勃勃的目标。然而,鉴于AI扩张的巨大规模以及满足推理需求所带来的日益增长的成本,这种方法可能是少数能够解决这一问题规模的方案之一。Rao将电力供应确定为未来AI增长的关键瓶颈,将Unconventional定位为少数几个有能力解决这一限制的项目之一。
“由于能源限制,扩展AI非常困难,这很可能在未来几年成为根本性限制。我们根本无法绕过它;最终,这将是一个受能源限制的挑战,”他指出。
相关文章
AWS 和 NVIDIA 如何推动代理式人工智能和物理人工智能的发展
英伟达首席执行官黄仁勋(图片来源:Tomohiro Ohsumi/Getty Images)黄仁勋领导的英伟达与亚马逊云科技(AWS)扩大全球合作伙伴关系,部署200万块GPU,为新一代代理式和物理人工智能企业基础设施提供动力AWS与英伟达宣布大幅扩展双方长期以来的战略合作,以满足全球对AI基础设施日益增长的需求。随着人工智能建设的持续推进,计算能力正成为全球增长最快的资源之一。咨询公司麦肯锡估计
商汤科技发布8B轻量级多模态模型,支持原生4K输出和完整的视觉编辑功能
商汤科技正式发布了SenseNova U1.5Lite——一款全新的轻量级原生统一多模态大模型。该高效模型拥有80亿参数,在关键视觉任务中表现优于同等规模的竞品,并在复杂的版式与文本渲染场景中可媲美大规模商用模型。SenseNova U1.5Lite 原生支持 3K 至 4K 的上下文长度,能够同时处理多个约束条件——包括主体、数量、空间关系、文本、版式和风格——从而确保在复杂的视觉操作中具备更高
脑波训练机器人:由人脑信号驱动的物理人工智能的下一个飞跃
在加利福尼亚州圣莱安德罗的一个仓库里,数据工具公司 Encord 正在进行一项创新实验:“飞行员”们佩戴带有摄像头和脑电图(EEG)传感器的耳机,在玩叠叠乐(Jenga)的同时捕捉大脑活动。Zander Labs 的 EEG 耳机在精确任务期间实时追踪脑电波,推断错误或惊讶等心理状态,从而为机器人模型构建更丰富的训练数据集。Encord 认为,人形机器人和仓库机器人的主要障碍并非模型架构,而是现实世界物理训练数据的严重短缺。Encord 机器人学习负责人 Vineeth Velmurugan
相关专题推荐
评论 (0)
0/500

对AI下一次突破的不懈追求资助了大量雄心勃勃的计划,然而,有一家初创公司正抓住这一机遇,从头开始重构计算架构。
在Databricks前AI负责人Naveen Rao的领导下,Unconventional AI旨在大幅提高推理处理的能源效率。其核心创新是一种基于振荡器的新型计算机架构。
周四,该公司发布了其首款AI模型Un0,这是一个图像生成工具,首次展示了其技术如何模拟传统AI系统。在一份配套研究论文中,团队解释了他们如何利用这种新架构的软件仿真,开发出一个功能齐全的图像生成模型,其性能可与最先进的扩散模型相媲美。
“这代表了新计算范式的‘Hello World’,”Rao告诉TechCrunch。“预计未来一年这一领域将出现一些引人注目的进展。”
虽然Un0的输出结果类似于Stable Diffusion或OpenAI的GPT Image 1等模型,但其区别在于底层机制。该模型依赖于基于振荡器的架构,这与为传统计算和大型语言模型提供动力的芯片截然不同。尽管这种方法的好处错综复杂,但Rao预测它可将功耗降低多达1,000倍。
然而,许多必要的基础设施仍在开发中。当前的Un0版本运行在Unconventional振荡器芯片的软件仿真之上,并计划很快发布实际硬件的原理图。长期愿景是从零开始构建完整的推理堆栈,使Unconventional AI能够提供与其他云提供商类似的计算能力。
“我们正在构建一个以我们专有芯片为中心的新系统架构,”Rao解释道。“AI模型将在此基础设施上运行,网络接口处理传入的提示和输出的推理,同时仅消耗1/1000的电力。”
对于一家拥有不到50名员工的公司来说,这是一个极其雄心勃勃的目标。然而,鉴于AI扩张的巨大规模以及满足推理需求所带来的日益增长的成本,这种方法可能是少数能够解决这一问题规模的方案之一。Rao将电力供应确定为未来AI增长的关键瓶颈,将Unconventional定位为少数几个有能力解决这一限制的项目之一。
“由于能源限制,扩展AI非常困难,这很可能在未来几年成为根本性限制。我们根本无法绕过它;最终,这将是一个受能源限制的挑战,”他指出。
AWS 和 NVIDIA 如何推动代理式人工智能和物理人工智能的发展
英伟达首席执行官黄仁勋(图片来源:Tomohiro Ohsumi/Getty Images)黄仁勋领导的英伟达与亚马逊云科技(AWS)扩大全球合作伙伴关系,部署200万块GPU,为新一代代理式和物理人工智能企业基础设施提供动力AWS与英伟达宣布大幅扩展双方长期以来的战略合作,以满足全球对AI基础设施日益增长的需求。随着人工智能建设的持续推进,计算能力正成为全球增长最快的资源之一。咨询公司麦肯锡估计
商汤科技发布8B轻量级多模态模型,支持原生4K输出和完整的视觉编辑功能
商汤科技正式发布了SenseNova U1.5Lite——一款全新的轻量级原生统一多模态大模型。该高效模型拥有80亿参数,在关键视觉任务中表现优于同等规模的竞品,并在复杂的版式与文本渲染场景中可媲美大规模商用模型。SenseNova U1.5Lite 原生支持 3K 至 4K 的上下文长度,能够同时处理多个约束条件——包括主体、数量、空间关系、文本、版式和风格——从而确保在复杂的视觉操作中具备更高
脑波训练机器人:由人脑信号驱动的物理人工智能的下一个飞跃
在加利福尼亚州圣莱安德罗的一个仓库里,数据工具公司 Encord 正在进行一项创新实验:“飞行员”们佩戴带有摄像头和脑电图(EEG)传感器的耳机,在玩叠叠乐(Jenga)的同时捕捉大脑活动。Zander Labs 的 EEG 耳机在精确任务期间实时追踪脑电波,推断错误或惊讶等心理状态,从而为机器人模型构建更丰富的训练数据集。Encord 认为,人形机器人和仓库机器人的主要障碍并非模型架构,而是现实世界物理训练数据的严重短缺。Encord 机器人学习负责人 Vineeth Velmurugan





首页






