前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >腾讯刘炽平:已储备大量H800芯片,足以再开发数代“混元”大模型

腾讯刘炽平:已储备大量H800芯片,足以再开发数代“混元”大模型

作者头像
芯智讯
发布于 2023-11-17 07:12:10
发布于 2023-11-17 07:12:10
3850
举报
文章被收录于专栏:芯智讯芯智讯

11月16消息,据彭博社报道,针对美国最新的对华AI芯片限制政策,腾讯总裁刘炽平在本周三财报发布后的分析师电话会议上表示,公司已经储存大量英伟达(NVIDIA)H800 AI芯片,足以再开发好几代自家的通用大模型“混元”。

刘炽平表示,“我们实际上是中国AI芯片库存最多的企业之一,我们也是第一个订购NVIDIA H800芯片的公司,因此有相当充足的H800芯片库存来持续发展。”

刘炽平还表示,未来腾讯将致力于更有效利用AI芯片,将性能最好的芯片分配到训练任务,其他芯片划分为运算强度较低的推理任务,目前也还在尝试寻找中国的人工智能训练芯片。

对于禁令对腾讯的影响,刘炽平指出,芯片禁令实际上影响我们在云端服务转售人工智能芯片,这是可能受到冲击的领域。腾讯的云计算业务可能会受到美国出口管制的影响。

今年10月17日,美国政府再度升级了高性能AI芯的对华出口管制,使得英伟达此前针对中国市场特别定制的A800及H800芯片无法继续出口,同时此前多款不受限的GPU芯片也受到了限制。而美国此举的主要目的就是为了进一步限制中国人工智能产业的发展。

不过,在此之前,很多中国的人工智能厂商已经预判了美国可能会进一步加码对于AI芯片的出口限制,因此有大量囤积英伟达的高性能AI芯片。

此前,中国人工智慧独角兽“零一万物”(01.AI)创办人李开复就指出,公司每次筹资约有四分之三资金用来购买英伟达的图形处理器(GPU),已经储备了大量的英伟达芯片,足以供应未来18个月所需。

晨星分析师王凯在9月报告中援引快手科技会议也指出,该公司已经储备10000颗NVIDIA A800芯片。

编辑:芯智讯-浪客剑

往期精彩文章

云天励飞发布大模型推理芯片:14nm Chiplet架构,国内首创!

全球超算TOP500:美国Frontier保持第一,中国超算跌出前十!

最强AI芯片英伟达H200发布:HBM容量提升76%,大模型性能提升90%!

中国半导体设备进口额大涨93%,来自荷兰进口额暴涨超6倍!

最高降幅20%!台系成熟制程晶圆代工厂降价求生!

长江存储“亮剑”:在美起诉美光侵犯其8项3D NAND专利!

中国大陆将拿下全球28%晶圆代工市场,但先进制程占比仅1%!

最强RISC-V服务器芯片发布:4nm,192核,性能超越AMD Epyc 9754!

220万分!330亿参数大模型!天玑9300遥遥领先背后:“全大核”架构揭秘!

摩尔线程CEO发内部信:本周将进行“岗位优化”!

苹果M3系列设计和流片成本曝光:高达10亿美元!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2023-11-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 芯智讯 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
Deep SORT多目标跟踪算法代码解析
Deep SORT是多目标跟踪(Multi-Object Tracking)中常用到的一种算法,是一个Detection Based Tracking的方法。这个算法工业界关注度非常高,在知乎上有很多文章都是使用了Deep SORT进行工程部署。笔者将参考前辈的博客,结合自己的实践(理论&代码)对Deep SORT算法进行代码层面的解析。
BBuf
2020/04/21
5.2K0
Deep SORT多目标跟踪算法代码解析
Deep SORT论文阅读总结
本文主要讲解Deep SORT论文核心内容,包括状态估计、匹配方法、级联匹配、表观模型等。
BBuf
2020/04/21
1.3K0
Deep SORT论文阅读总结
SORT 多目标跟踪算法笔记[通俗易懂]
SORT 算法以检测作为关键组件,传播目标状态到未来帧中,将当前检测与现有目标相关联,并管理跟踪目标的生命周期。
全栈程序员站长
2022/11/01
3.6K0
SORT 多目标跟踪算法笔记[通俗易懂]
ByteTrack注释详解
最近有用到多目标追踪 Multi Object Tracking 的东西,看过了经典的 DeepSort 源码之后觉得 tracking 挺有意思的也挺有挑战的,ByteTrack 是多目标追踪里面一个相对比较新的的追踪器 (ECCV2022),也比较简单,这里就对源码做一些注释,仅供日后复习参考。
棒棒鸡不棒
2022/09/08
3.9K0
【目标跟踪】多目标跟踪sort (python 代码)
读书猿
2024/02/05
6190
【目标跟踪】多目标跟踪sort (python 代码)
基于深度学习的多目标跟踪(MOT)技术一览
本文是一篇多目标跟踪方向的调研报告,从相关方向、核心步骤、评价指标和最新进展等维度出发,对MOT进行了全面的介绍,不仅适合作为入门科普,而且能够帮助大家加深理解。
小白学视觉
2020/11/23
2.3K0
基于深度学习的多目标跟踪(MOT)技术一览
keras-yolov3 + Kalman-Filter 进行人体多目标追踪(含代码)
笔者最近在做新零售智慧门店的相关项目,主要涵盖人流量、人物活动区域轨迹等。那么本篇其实是笔者在实践过程中一个"失败"的案例,因为其应用复用在现实场景的时候效果非常差,所以只是当做练习题抛出来。本篇是受《YOLOv3目标检测、卡尔曼滤波、匈牙利匹配算法多目标追踪》启发,感谢这位作者! 笔者之前没有做过追踪领域的研究,了解的比较浅显,如果有小伙伴在这块儿有相同的困惑,或是已经有好的解决方案,欢迎留言讨论~
悟乙己
2019/05/27
3.5K1
MOT:多目标跟踪总结与思考
多目标跟踪(MOT)是一种常见的计算机视觉任务,任务要求检测到连续视频帧中的目标,并为每一个目标分配一个track id,这个id在视频序列中具有唯一性。 多目标跟踪任务在带有时序性质的任务中扮演着重要的角色,因为它为检测的结果建立了时序上的关联,比如动作识别任务,比如车辆的movement判断等等,都需要以多目标跟踪为基础。
chaibubble
2021/07/19
2.5K0
MOT:多目标跟踪总结与思考
Deepsort + Yolo 实现行人检测和轨迹追踪
行人检测是近年来计算机视觉领域的研究热点,同时也是目标检测领域中的难点。其目的是识别和定位图像中存在的行人,在许多领域中都有广泛的应用。交通安全方面,无人驾驶汽车通过提前检测到行人及时避让来避免交通事故的发生;安防保护方面,通过行人检测来防止可疑人员进入;公共场所管理方面,通过行人检测统计人流量数据,优化人力物力等资源的分配。
AI科技大本营
2021/09/27
3.7K0
【目标跟踪】多目标跟踪测距
读书猿
2024/02/05
3980
【目标跟踪】多目标跟踪测距
多目标追踪小抄:快速了解MOT的基本概念
来源:Deephub Imba本文共2400字,建议阅读5分钟本文介绍了MOT的基本概念。 多目标跟踪(Multiple Object Tracking) MOT 获取单个连续视频并以特定帧速率 (fps) 将其拆分为离散帧以输出。 检测每帧中存在哪些对象 标注对象在每一帧中的位置 关联不同帧中的对象是属于同一个对象还是属于不同对象 MOT的典型应用 多目标跟踪(MOT) 用于交通控制、数字取证的视频监控 手势识别 机器人技术 增强现实 自动驾驶 MOT 面临的挑战 准确的对象检测的问题是未能检测到
数据派THU
2022/05/23
8660
多目标追踪小抄:快速了解MOT的基本概念
目标跟踪:SORT
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
chaibubble
2019/10/22
3.1K1
目标跟踪:SORT
BoT-SORT | 多目标跟踪tricks
BoT-SORT: Robust Associations Multi-Pedestrian Tracking
iResearch666
2023/11/22
2.7K0
BoT-SORT | 多目标跟踪tricks
3D 激光点云的多目标跟踪
多目标跟踪中的检测后跟踪(Tracking-by-Detection)方法,其核心在于利用当前帧与先前帧的目标检测结果进行匹配。该方法架构由数据关联与滤波器两大模块构成。数据关联模块负责解决跨时间点的目标匹配难题,而滤波器模块则专注于目标的运动状态预估与轨迹更新。在数据关联方面,业界广泛采用的方法包括多重假设跟踪(MHT)、匈牙利算法(Hungarian Algorithm)、联合概率数据关联(JPDA)及全局最近邻(GNN)等。至于滤波器,卡尔曼滤波器与粒子滤波器则是最为常见的选择。ABJDMOT算法,作为这一领域的创新之作,巧妙地将匈牙利匹配与卡尔曼滤波器结合,以应对3D MOT挑战,其在性能上的显著提升赢得了工业界的广泛青睐。然而,ABJDMOT在4D(即加入时间维度的三维空间)匹配时,仅依赖于目标矩形框的3D重叠度,这在某些情境下可能导致前后帧间无重叠部分的目标被遗漏。为解决此问题,斯坦福大学与丰田技术研究院于2020年推出了PDMOT算法,该算法引入马氏距离作为匹配依据,结合匈牙利算法,旨在进一步提升算法性能。此外,学者们还不断探索在匹配过程中融入更多特征信息,如目标的几何尺寸、朝向、外形等,以增强匹配的准确性。例如,H.Wa等人的研究便是在此方向上的一次有益尝试。 针对多目标跟踪(MOT)领域,一些学者聚焦于改进基于轨进片段(tracklet-based)的方法,指出传统检测驱动的多目标跟踪算法过度依赖目标检测的性能,忽视了目标历史信息的有效利用。为此,他们探索了利用多帧点云序列或轨进片段,结合深度学习技术来提取目标的独特特征,旨在实现端到端的多目标跟踪解决方案。例如,在UCAI会议上,H.Wa等人提出的PC-TCNN算法便是这一思路的杰出代表。该算法创新性地从点云序列中初步生成候选轨进片段,随后对这些片段进行精细化处理,并通过将精细化的轨进与先前片段相关联,有效实现了对目标的连续追踪。相较于基于检测的3D MOT算法,此类基于轨进片段的方法往往能取得更高的跟踪精度,但在实时性方面仍有待进一步优化和提升。 在2020年的OS会议上,针对3D多目标跟踪问题,基于经典的2D图像目标跟踪算法SORT,创新性地提出了ABJDMOT算法。该算法聚焦于目标跟踪的精确性,通过采用向量匹配策略,有效对比当前帧与历史帧中目标的数据,并借助卡尔曼滤波在多维空间中精准估计目标的运动状态。ABJDMOT算法展现出卓越的性能,据统计,在多个基准测试中,其平均运行精度高达207 APPS,同时在多目标跟踪准确度(MOTA)方面亦表现优异。ABJDMOT算法的整体架构其核心流程包括五个关键步骤:首先,从目标检测模块获取当前帧(t时刻)目标的位置、大小及特征信息(A);随后,利用历史帧(t-1时刻)中各目标的运动信息,通过卡尔曼滤波预测其在当前帧的潜在状态(B);接着,通过数据关联模型,将当前帧的检测结果与卡尔曼滤波预测的目标状态进行匹配(C);对于成功匹配的目标,采用卡尔曼滤波的更新步骤,以获取其最新的运动状态估计(D)。这一过程确保了ABJDMOT算法在复杂场景下的高效与准确。 SimTrack,一种基于tracking-by-detection理念的3D多目标跟踪算法,当前在工业界占据核心地位。然而,其高度依赖即时的目标检测结果,且目标跟踪信息对检测优化的反馈不足。此外,匹配步骤复杂,需人工定制匹配规则并精细调整阈值与参数。SimTrack的运作流程,其核心在于利用多帧点云作为输入,通过基于柱状体素或普通体素的骨架网络提取特征,生成伪BEVs图像。随后,网络输出分化为三个关键分支:混合时间中心图分支用于定位目标在多帧点云序列中的首次出现位置,运动估计分支负责估算目标运动偏移,而回归分支则专注于获取目标的详细尺寸与姿态信息。在推理阶段,SimTrack凭借先前混合时间中心图中的位置信息与运动预测,预判当前各目标的可能位置,并与最新混合时间中心图进行关联,实现精准的目标跟踪与检测。SimTrack通过混合时间中心图创新性地整合了多帧点云中的目标信息,实现了目标的自动化匹配、消失目标的智能剔除与新生目标的即时检测,彻底摒弃了传统跟踪方法中的复杂启发式匹配步骤。这一创新不仅简化了跟踪流程,更为我们未来的研究与实践开辟了新的思路与方向。
用户11339509
2024/11/11
1970
SORT算法:极简三件套实现60FPS实时追踪,300行代码撬动多目标跟踪
2016年横空出世的SORT算法,凭借"检测+卡尔曼滤波+匈牙利匹配"的极简三件套,以闪电般的速度碾压传统方案——不需要复杂模型,不需要海量数据,却能实现实时60FPS的精准追踪!
CoovallyAIHub
2025/05/19
3020
SORT算法:极简三件套实现60FPS实时追踪,300行代码撬动多目标跟踪
【目标跟踪】ByteTrack详解与代码细节
论文地址:https://arxiv.org/pdf/2110.06864.pdf
读书猿
2024/04/21
2.9K0
【目标跟踪】ByteTrack详解与代码细节
深度好文 | YOLOv5+DeepSORT多目标跟踪深入解读与测试(含源码)
本文主要介绍如何使用Yolo-V5 + DeepSORT实现多目标检测与跟踪。(公众号:OpenCV与AI深度学习)
Color Space
2022/09/26
12.8K0
三维目标跟踪简介
在所有的项目中,其中有一个最突出的,来自一位工程实习生,他撰写了一篇基于相机的3D目标跟踪的论文。
一点人工一点智能
2023/08/04
9370
三维目标跟踪简介
Hybrid-SORT起飞 | 超过DeepSORT将近10个点的多目标跟踪香不香?
本文首发于 【集智书童】,白名单账号转载请自觉植入本公众号名片并注明来源,非白名单账号请先申请权限,违者必究。
集智书童公众号
2023/09/04
1.6K0
Hybrid-SORT起飞 | 超过DeepSORT将近10个点的多目标跟踪香不香?
【目标跟踪】相机运动补偿
Tracking-by-detection 成为 MOT 任务中最有效的范式。Tracking-by-detection 包含一个步骤检测步骤,然后是一个跟踪步骤。跟踪步骤通常由2个主要部分组成:
读书猿
2024/02/05
1K0
【目标跟踪】相机运动补偿
相关推荐
Deep SORT多目标跟踪算法代码解析
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档