《绝区零》世界观PV公布 奇迹的起点

摘要：今日（7月6日），米哈游公布《绝区零》世界观PV | 奇迹的起点。「我们能斩断罪恶，我们能劈开天空。我们能走出迷雾，我们能迈向真理……这是我们的国度，它会永远屹立，它会成就奇迹。」——艾利都首任市长 宣传片：视频截图： 原文：https://m.cnbeta.com.tw/view/1437323.htm

微软新专利：用眼球追踪技术加密屏幕文档区域

摘要：在嘈杂的环境中处理重要文件时，如果用户不想让别人轻易瞥到内容，可以使用显示器隐私屏或者应用调暗非注视区域来保护隐私。不过，微软设计了一种他们认为更胜一筹的系统，因为它可以使文档始终处于完全加密且无法辨认的状态，只有用户注视的显示器区域才会解密显示内容。 即使把文档调出在电脑屏幕上显示也是如此。但是接下来才是这项技术最巧妙的部分。系统会使用合适的网络摄像头或其他可以追踪眼睛移动的设备，精确地确定用户的注视焦点，并利用这些信息生成一个alpha混合遮罩——可以把它想象成加密文档上的一个“洞”，让用户可以看到其下的原始内容。当用户的眼睛移动时，“洞”也会随之移动，确保用户不会突然看到一行无法理解的文本。系统还可以使用统计方法来预测眼睛的运动轨迹，从而减少眼球追踪和遮罩移动之间的延迟。任何看着屏幕的人只会看到乱码。微软的算法考虑到了我们在阅读时会经常用到周边视觉，即使文本不在注视的正中心。因此，遮罩的边缘并不是普通文本和加密文本之间的一条硬线。算法还考虑到了眼球运动并不是完全平滑的（例如扫视）。总而言之，这些额外的算法让该系统似乎比AMD显卡驱动程序Adrenalin中的“隐私视图”功能要好一些，“隐私视图”只是调暗了你没有注视的屏幕区域。然而，和所有此类眼球追踪安全功能一样，它似乎无法防止一个特定问题。如果原始文档在屏幕的任何部分可见且可读，那么总有人可能会看到它。这些基于软件的隐私系统都不能阻止别人从远处或超出眼球追踪设备视野的范围拍摄用户的屏幕图像。不过，在我看来，微软的系统比笔记本电脑的隐私屏幕要好得多，隐私屏幕只是禁用了一些背光灯，让内容从侧面更难看清。当然，最简单的办法就是在非公共区域处理敏感文件，但是如果必须这样做，我更愿意让内容以某种方式真正加密，而不是仅仅调暗一点。 原文：https://m.cnbeta.com.tw/view/1437324.htm

造得出的减肥药，造不出的注射笔

摘要：胰岛素并非孤军奋战，注射笔的普及同样在糖尿病管理中发挥了重要作用。虽然使用历史并不长，但注射笔是根据糖尿病患者的实际需要专门设计的，能极大提高患者的使用便捷。尽管早年间，胰岛素笔在美国的采用率并不高，2008年的数据仅显示15%的患者使用这种便捷的注射工具，而欧洲的使用率却高达80%至90%。但情况很快发生了显著变化，数据显示，从2005年到2011年，美国使用小瓶/注射器的患者比例下降至约30%，选择使用胰岛素笔的患者比例则上升至约60%。 IQVIA统计的数据则显示，在2020年6月至2021年6月期间，美国胰岛素笔的使用率进一步上升至59%。与此同时，欧洲的胰岛素笔使用率更是高达93.6%。在中国，注射笔也成为了主流的糖尿病药物输送工具。胰岛素笔在全球市场迅速普及，但至今国内企业在这一领域的存在感仍很低。根据中经智盛市场研究的数据，诺和诺德、礼来、赛诺菲这三家公司占据了国内85%的市场份额，其中诺和诺德的市场份额超过了60%。对于国内企业来说，目前主要的产品仍然是仿制药注射笔，而在创新方面取得突破的企业极为罕见。那么，为什么注射笔的制造会如此困难呢？01另一个创新主场在胰岛素、GLP-1类药物不断迭代的同时，注射笔也在持续创新。1922年1月11日，使用可重复使用的玻璃注射器向一名14岁男孩首次注射胰岛素，开启了糖尿病管理的全新时代。然而，事后来看，当时的小男孩可能仍然倍感痛苦。因为，当时使用的是较为原始的玻璃注射器，针头较长较粗，不仅造成患者心理上的恐惧，还存在剂量不准确、社会接受度低等问题。正因此，在胰岛素应用于临床之后，专用的胰岛素注射器研发也提上了日程。1985年，诺和诺德推出了第一款可重复使用的胰岛素笔注射器，称为NovoPen，目的是克服小瓶和注射器的不便，并启动了一系列NovoPen胰岛素注射器的创新。这款设计巧妙的装置，将注射器与胰岛素容器合二为一，形似一支钢笔，内置一次性、可替换的1.5毫升胰岛素药筒，配合一次性针头和单单位增量剂量，极大提升了患者餐前注射的便利性和灵活性。之后，胰岛素注射笔朝着更精准的方向发展。2007年，礼来发布了世界上第一款具有记忆功能的数字胰岛素笔，即HumaPen Memoir。3年后，诺和诺德推出了NovoPen Echo，这是第一款具有记忆功能和半单位给药功能的胰岛素笔。市场上的大多数胰岛素笔都具备以1个单位为增量递送胰岛素的功能，只有少数能够以半个单位递送。技术迭代的脚步并未停歇。一方面，朝着无痛注射发展。有没有一种方式可以不用针头呢？答案是肯定的。2013年，利用高压射流原理的无针注射笔在中国市场获批。无针注射笔内部含有一个弹簧加载或压缩气体（如二氧化碳）的机制，用于产生高压。当用户按下注射笔的触发按钮时，会激活内部机制，导致高压气体迅速推动药物。高压气体的推动作用使药物形成一股极细的液体射流，并以极高的速度穿透皮肤表层，通常在表皮或真皮层形成微孔，而不会引起太大的疼痛或创伤。无需针头即可完成药物输送，提供近乎无痛的注射体验，这大大减轻了患者的注射焦虑。另一方面，朝着智能化发展。例如，智能胰岛素笔是数字连接的胰岛素笔，它超越了单纯的记忆功能，能够自动将有关胰岛素给药时间和数量的信息传输到用户的移动设备，实现智能提醒与剂量计算，帮助患者更好地管理疾病。虽然智能胰岛素笔等因价格等问题尚未普及，但正是因为注射笔的不断迭代，使得即便胰岛素泵等连续型注射胰岛素产品获批，注射笔仍是糖尿病治疗的主流采纳方案。然而，这也意味着国内企业作为后来者，入局难度不小。02高壁垒的生意别看注射笔小小一只，但却是实打实的高壁垒生意。首先，这是一个产业端的"know-how"问题。注射笔虽然看似功能简单，但在构造上属于精密仪器。其设计需兼顾多重要求，比如细针的稳定穿刺力、高粘度液体的顺畅传输、微小剂量下的精准控制等，每一项都考验着技术的极限。简单来说，想要实现的功能越多，技术难度也就越高。更重要的是，随着新药物的出现，注射笔也需要与时俱进，以适应给药频率的多样化。因此，出现了新的输送需求，如微升剂量精度、最大限度地减少可浸出有机硅和适应粘性配方等。这对技术的兼容性和创新性提出了更高要求。其次，理解客户需求至关重要。如果一种药物针对的是手部灵活性有困难的患者，那么注射笔的设计必须易于打开和使用，同时还要通过防篡改机制等功能，保障无菌安全，防止误用。这需要药企深入理解不同用户群体的需求，通过广泛测试确保每项功能都能切实满足患者的使用场景，从而降低潜在的使用风险。无论是技术难题的攻克，还是用户需求的精准把握，都离不开时间的沉淀与经验的累积。然而，最为核心的障碍在于注射笔行业存在着极高的专利壁垒。国际胰岛素巨头往往自行研发或定制专用注射笔，与自家药物无缝对接，形成了严密的知识产权网络。以Ypsomed为例，这家全球领先的注射笔代工企业自2002年起便开始了专利布局，截至20222年，其在全球拥有2162项专利，其中1029项已获授权。这2162项专利分属于482个独特的专利族，为Ypsomed构建了坚实的护城河。对于后来者而言，绕过这些密集的专利网几乎是不可能的任务，这不仅意味着漫长的研发周期，更考验企业的资金实力与创新决心。翰尔西的经历便是例证。自2012年启动项目，历时8年，直到在2020年才获得国家药品监督管理局的二类医疗器械注册证。这场持久战充分向我们展示了，突破注射笔行业专利壁垒的艰难。无论是高精尖的特性，还是海外巨头严密的专利壁垒，注定了国内注射笔的创新之路是一场马拉松式的较量。03不容忽视的机遇尽管挑战重重，注射笔市场的潜力却不容小觑。作为高耗品，注射笔在糖尿病管理和减肥治疗领域，需求呈现出强劲的增长势头。据招银国际发布的研究报告，仅GLP-1受体激动剂相关的注射笔，到2030年的全球需求预计可达36.6亿只，市场规模有望达到73亿美元。值得注意的是，这一预测可能仍低估了实际需求，因为GLP-1药物的应用范围远不止于糖尿病和减肥，其在阿尔茨海默症等其他慢性疾病的治疗中也展现出巨大的潜力。如果这些适应症的拓展进展顺利，仅GLP-1注射笔的需求便将呈现爆发式增长，市场前景极为广阔。对于中国本土企业来说，这无疑是一个不容错过的机遇。目前，越来越多的企业入局注射笔行业，例如成纪药业、美好医疗等，正努力研发和生产高质量的注射笔产品，以满足市场需求。然而，要想在这一领域立足，国内企业面临的不仅仅是技术创新的挑战，更有成本控制的硬仗。因为，作为长期消耗品，注射笔的价格直接关系到消费者的购买意愿。此外，注射笔的成本密集型特性意味着，只有当患者能够持续使用并从中受益时，才能实现真正的成本效益。亚马逊创始人贝佐斯曾说过：“我们常常关注‘在接下来的10年里，会有什么样的变化？’但很少考虑‘在接下来的10年里，什么是不变的？’事实上，第二个问题比第一个问题更加重要，因为不变的是本质，战略需要建立在不变的事物上。“而在糖尿病患者自我管理的过程中，不变的本质则是：患者追求以更低的价格、更简单的操作、更安全的给药方式实现治疗效果。因此，对于国内企业来说，要在激烈的市场竞争中脱颖而出，就必须深刻理解并满足这一不变的核心需求，同时不断创新技术，优化成本结构，以提供性价比更高的注射笔产品，从而赢得市场和消费者的认可。期待这一领域，国产替代的故事能够持续上演。 原文：https://m.cnbeta.com.tw/view/1437322.htm

亿年前"庞贝"三叶虫化石的发现颠覆了对这一早已灭绝族群的认识

摘要：研究人员在摩洛哥发现了保存异常完好的"庞贝"三叶虫化石，通过先进的成像技术对这些远古生物的解剖和保存提供了新的见解。研究人员描述了迄今发现的一些保存最完好的三维三叶虫化石。这些超过 5 亿年前的化石是在摩洛哥的高阿特拉斯地区采集的，由于它们在灰烬中保存得非常完好，因此被科学家们称为"庞贝"三叶虫。 两种三叶虫在 5.1 亿年前被火山灰流掩埋前的艺术再现。资料来源：普瓦捷大学 A. El Albani 教授这只寒武纪时期的三叶虫是一个国际科学家团队的研究课题，该团队由来自摩洛哥的普瓦捷大学地质学家 Abderrazak El Albani 教授领导。该研究小组成员包括自然历史博物馆的古生物学家格雷格-埃奇科姆博士（Dr. Greg Edgecombe）。格雷格-埃奇科姆博士评论说："我研究三叶虫已经将近 40 年了，但我从来没有像研究这些三叶虫那样感觉自己是在观察活的动物。我看过很多三叶虫的软体解剖图，但这里的三维保存才是真正令人震惊的。我们工作的一个意想不到的结果是发现浅海环境中的火山灰可能是保存特殊化石的大丰收。三叶虫 Protolenus (Hupeolenus) 头部和躯干（"身体"）前肢腹面的显微层析重建图。资料来源：Arnaud Mazurier，IC2MP，普瓦捷大学由于其坚硬的钙化外骨骼在化石记录中保存完好，三叶虫是一些研究得最好的海洋动物化石。在过去的两个世纪中，古生物学家已经描述了超过 20000 个物种。然而，到目前为止，由于保存的软组织相对稀少，科学界对这一种类繁多的群体的全面了解一直受到限制。由于摩洛哥三叶虫被包裹在海水中的高温灰烬中，它们的身体在灰烬转化为岩石的过程中很快就变成了化石--这与维苏威火山爆发后庞贝居民的结局相似。化石保存了它们身体的每个部分、腿部，甚至是附肢上的毛发状结构。三叶虫的消化道在充满灰烬后也被保存了下来。即使是附着在三叶虫外骨骼上的小"灯壳"，也通过肉质的身体保持着它们生前的样子。补充视频 资料来源：Greg Edgecombe主要作者 Abderrazak El Albani 教授评论说："作为一名研究过不同年代、不同地点化石的科学家，在火山环境中发现保存状态如此完好的化石让我深感振奋。我认为火成碎屑沉积物应该成为新的研究目标，因为它们具有捕获和保存生物遗骸（包括脆弱的软组织）的特殊潜力。预计这些发现将为我们地球上的生命进化带来重大发现。"三叶虫 Gigoutella mauretanica 腹面的显微层析成像。资料来源：Arnaud Mazurier，普瓦捷大学 IC2MP研究人员利用 CT 扫描和计算机对虚拟 X 射线切片进行建模，发现在口腔边缘发现的附属物具有弯曲的勺状基部，但这些附属物非常小，在保存不太完好的化石中没有被发现。事实上，以前人们认为三叶虫在长触角后面有三对头部附属物，但这项研究中的两个摩洛哥物种都显示有四对。在三叶虫中首次发现了覆盖在口腔上的肉质叶片，称为唇瓣。共同作者、来自布里斯托尔大学的哈里-伯克斯补充说："研究结果详细揭示了三叶虫嘴部周围的特化腿群，让我们对三叶虫的进食方式有了更清晰的认识。我们还发现头部和身体的附肢具有向内的密集棘刺，就像今天的鲎一样"。编译自/ScitechDaily 原文：https://m.cnbeta.com.tw/view/1437321.htm

飞镖盘还是甜甜圈？铁陨石揭示太阳系雏形

摘要：45 亿年前，我们的太阳系还是一团围绕太阳旋转的气体和尘埃云，直到气体开始凝结，与尘埃一起聚合形成小行星和行星。这个被称为"原行星盘"的宇宙苗圃是什么样子的，它的结构又是怎样的呢？天文学家可以用望远镜"看到"远在我们成熟得多的太阳系之外的原行星盘，但却无法观测到我们的太阳系萌芽时的样子--只有数十亿光年之外的外星人才能看到它曾经的样子。 "铁陨石是隐藏的宝石。我们对铁陨石了解得越多，它们就越能揭开太阳系诞生之谜，"加州大学洛杉矶分校行星科学家张必东说。图片来源：加州大学洛杉矶分校陨石展厅"幸运的是，太空中降下了一些线索--在太阳系历史早期形成并穿过地球大气层的天体碎片，即陨石。陨石的成分讲述了太阳系诞生的故事，但这些故事往往提出了更多的问题，而不是答案。美国加州大学洛杉矶分校和约翰-霍普金斯大学应用物理实验室的行星科学家小组在《美国国家科学院院刊》上发表的一篇论文中报告说，铱和铂等在高温下凝结的难熔金属，在寒冷且远离太阳的外盘形成的陨石中含量更高。这些金属应该是在靠近太阳的地方形成的，那里的温度要高得多。是否有一条途径将这些金属从内盘转移到外盘？圆环状原行星盘 WSB 52。资料来源：Sean Andrews、Jane Huang、Laura Pérez et al.大多数陨石是在太阳系历史的最初几百万年内形成的。有些陨石是行星形成过程中留下的未熔化的颗粒和尘埃的集合体。其他陨石在其母体小行星形成过程中经历了足够的热量而熔化。当这些小行星熔化时，硅酸盐部分和金属部分由于密度不同而分离，就像水和油不能混合一样。如今，大多数小行星都位于火星和木星之间的一条厚厚的带子上。科学家们认为，木星的引力扰乱了这些小行星的运行轨迹，导致许多小行星相互撞击，四分五裂。当这些小行星的碎片落到地球上并被回收时，它们被称为陨石。铁陨石来自最早的小行星的金属内核，比太阳系中任何其他岩石或天体都要古老。铁陨石含有钼同位素，这些同位素指向这些陨石形成的原行星盘的许多不同位置。这使得科学家们能够了解到原行星盘的化学成分在其雏形时期是怎样的。此前利用智利阿塔卡马大型毫米波/亚毫米波阵列进行的研究发现，其他恒星周围有许多类似飞镖盘的同心圆环。这些行星盘（如 HL Tau）的环被物理间隙隔开，因此这种盘不可能提供一条将这些难熔金属从内盘运输到外盘的路线。阿塔卡马大毫米波/亚毫米波阵列拍摄的年轻恒星金牛座 HL 周围的原行星盘图像。资料来源：ALMA (ESO/NAOJ/NRAO), NSF新论文认为，我们的太阳圆盘很可能在一开始就没有环状结构。相反，我们的行星盘看起来更像一个甜甜圈，随着行星盘的迅速膨胀，富含铱和铂金属颗粒的小行星迁移到了行星盘的外部。但这又给研究人员带来了另一个难题。磁盘膨胀后，重力本应将这些金属拉回太阳。但这并没有发生。第一作者、加州大学洛杉矶分校行星科学家张必东（音译）说："木星形成后，很可能打开了一个物理缺口，将铱和铂金属困在外盘，防止它们落入太阳。这些金属后来融入了在外盘形成的小行星中。这就解释了为什么形成于外盘的陨石--碳质软玉和碳质铁陨石--的铱和铂含量远远高于它们的内盘陨石。"张和他的合作者以前曾利用铁陨石来重建水在原行星盘中的分布情况。"铁陨石是隐藏的宝石。我们对铁陨石了解得越多，就越能揭开太阳系诞生之谜。编译自/ScitechDaily 原文：https://m.cnbeta.com.tw/view/1437320.htm

英伟达GPU 警钟敲响

摘要：在传出法国将对英伟达发起反垄断调查后不久，又有新的不好消息传出。据彭博社引述欧盟竞争事务负责人玛格丽特·维斯塔格 (Margrethe Vestager) 的警告称，英伟达公司的 AI 芯片供应存在“巨大瓶颈”，但表示监管机构仍在考虑如何解决这个问题。 “我们一直在向他们询问问题，但这还只是初步问题，”她在新加坡之行中告诉彭博社。到目前为止，这“还不具备监管行动的条件”。自从英伟达成为人工智能支出热潮的最大受益者以来，监管机构就一直关注着它。它的图形处理单元（简称 GPU）因其能够处理开发 AI 模型所需的大量信息的能力而受到数据中心运营商的青睐。芯片已成为科技界最热门的商品之一，云计算提供商相互竞争以获取这些芯片。据估计，NVIDIA 的 H100 处理器需求旺盛，已帮助他们获得 80% 以上的市场份额，领先于竞争对手英特尔公司和超微半导体公司。尽管供应紧张，但 Vestager 表示，人工智能芯片供应的二级市场可能有助于激发创新和公平竞争。但她表示，占主导地位的公司未来可能会面临某些行为限制。“如果你在市场上拥有这种主导地位，那么有些事情你不能做，而小公司可以做，”她说。“但除此之外，只要你做你的生意并尊重这一点，你就很好。”6000亿美元的“大难题”尽管高科技巨头在人工智能基础设施方面投入了大量资金，但人工智能带来的收入增长尚未实现，这表明生态系统的最终用户价值存在巨大差距。事实上， 红杉资本分析师戴维·卡恩（ David Cahn）认为，人工智能公司每年必须赚取约 6000 亿美元才能支付其人工智能基础设施（例如数据中心）的费用。去年，NVIDIA 的数据中心硬件收入达到 475 亿美元（其中大部分硬件是用于 AI 和 HPC 应用的计算 GPU）。AWS、Google、Meta、Microsoft等公司在 2023 年为 OpenAI 的 ChatGPT 等应用在其 AI 基础设施上投入了巨额资金。然而，他们能赚回这笔投资吗？David Cahn 认为，这可能意味着我们正在目睹金融泡沫的增长。按照David Cahn的算法，6000亿美元这个数字，可以通过一些简单的数学运算来得出。你所要做的就是将 NVIDIA 的运行率收入预测乘以 2 倍，以反映 AI 数据中心的总成本（GPU 占总拥有成本的一半，另一半包括能源、建筑物、备用发电机等）。然后你再乘以 2 倍，以反映 GPU 最终用户的 50% 毛利率（例如，从 Azure 或 AWS 或 GCP 购买 AI 计算的初创公司或企业，他们也需要赚钱）。我们看看，自 2023 年 9 月（在当时，他认为人工智能是2000亿美元难题）以来发生了什么变化？一、供应短缺已经消退： 2023 年末是 GPU 供应短缺的高峰期。初创公司正在给风险投资公司打电话，给任何愿意与他们交谈的人打电话，寻求帮助以获得 GPU。如今，这种担忧几乎完全消除了。对于我交谈过的大多数人来说，现在以合理的交货时间获得 GPU 相对容易。二、GPU 库存不断增长： NVIDIA 在第四季度报告称，其数据中心收入的一半左右来自大型云提供商。仅微软一家就可能占NVIDIA 第四季度收入的约 22%。超大规模资本支出正在达到历史水平。这些投资是大型科技公司 2024 年第一季度收益的主要主题，首席执行官们有效地告诉市场：“无论你喜不喜欢，我们都会投资 GPU。”囤积硬件并不是一个新现象，一旦库存足够大以至于需求下降，就会成为重置的催化剂。三、OpenAI 仍然占据着 AI 收入的最大份额： The Information 最近报道称，OpenAI 的收入现在为34 亿美元，高于 2023 年底的 16 亿美元。虽然我们已经看到少数初创公司的收入规模达到不到 1 亿美元，但 OpenAI 与其他公司之间的差距仍然很大。除了 ChatGPT，消费者今天真正使用了多少 AI 产品？想想你每月花 15.49 美元从 Netflix 或每月花 11.99 美元从 Spotify 获得多少价值。从长远来看，AI 公司需要为消费者提供巨大的价值，才能继续掏钱。四、1250 亿美元的缺口现在变成了 5000 亿美元的缺口：在最后的分析中，我慷慨地假设Google、微软、苹果和 Meta 每年都能从新的 AI 相关收入中产生 100 亿美元。我还假设甲骨文、字节跳动、阿里巴巴、腾讯、X 和特斯拉每年都有 50 亿美元的新 AI 收入。即使这仍然是正确的，并且我们在名单上再添加几家公司，1250 亿美元的缺口现在也会变成 5000 亿美元的缺口。这还没完——B100 即将问世： 今年早些时候，NVIDIA 宣布推出 B100 芯片，其性能提升了 2.5 倍，而成本仅增加了 25%。我预计这将导致 NVDA 芯片需求的最终激增。与 H100 相比，B100 的成本与性能相比有了显著的改善，而且由于每个人都想在今年晚些时候买到 B100，因此很可能再次出现供应短缺。在之前提出关于GPU的问题时，David Cahn收到的最主要反驳之一是“GPU 资本支出就像修建铁路”，最终火车会开过来，目的地也会到来——新的农业出口、游乐园、购物中心等。David Cahn表示，其实他也同意这一点，但他认为这个论调忽略了几点：一、缺乏定价权：在物理基础设施建设的情况下，您正在建设的基础设施具有一些内在价值。如果您拥有旧金山和洛杉矶之间的轨道，那么您可能拥有某种垄断定价权，因为 A 地和 B 地之间只能铺设这么多轨道。在 GPU 数据中心的情况下，定价权要小得多。GPU 计算正日益成为一种按小时计量的商品。与成为寡头垄断的 CPU 云不同，构建专用 AI 云的新进入者继续涌入市场。在没有垄断或寡头垄断的情况下，高固定成本 + 低边际成本的企业几乎总是会看到价格竞争到边际成本（例如航空公司）。二、投资浪费：即使是铁路行业，以及许多新技术行业，投机性投资狂潮也常常导致高额的资本浪费。《The Engines that Moves Markets 》是一本关于技术投资的最佳教科书，其主要观点（确实，重点关注铁路行业）是，许多人在投机性技术浪潮中损失惨重。挑选赢家很难，但挑选输家（就铁路行业而言，运河）要容易得多。三、折旧：从技术发展史中我们得知，半导体趋于越来越好。NVIDIA 将继续生产更好的下一代芯片，如 B100。这将导致上一代芯片的折旧速度加快。由于市场低估了 B100 和下一代芯片的改进速度，因此它高估了今天购买的 H100 在 3-4 年后的价值。同样，物理基础设施不存在这种相似性，它不遵循任何“摩尔定律”类型的曲线，因此成本与性能的关系不断改善。四、赢家与输家：我认为我们需要仔细研究赢家和输家——在基础设施建设过剩的时期，总会有赢家。人工智能很可能是下一波变革性技术浪潮，GPU 计算价格的下降实际上也有利于长期创新，也有利于初创企业。如果David Cahn的预测成真，它将主要对投资者造成伤害。创始人和公司建设者将继续在人工智能领域发展——他们将更有可能取得成功，因为他们将受益于较低的成本和在这一试验期间积累的经验。五、人工智能将创造巨大的经济价值。专注于为最终用户提供价值的公司创建者将获得丰厚的回报。我们正在经历一场可能定义一代人的技术浪潮。像 NVIDIA 这样的公司在推动这一转变方面发挥了重要作用，值得称赞，并且很可能在未来很长一段时间内在生态系统中发挥关键作用。不过David Cahn也重申，投机狂潮是技术的一部分，所以没什么好害怕的。那些在这一刻保持头脑清醒的人有机会创建极其重要的公司。但我们必须确保不要相信现在已经从硅谷蔓延到全国乃至全世界的妄想。这种妄想认为我们都会快速致富，因为 AGI 明天就会到来，我们都需要储存唯一有价值的资源，那就是 GPU。“事实上，前面的道路将是漫长的。它会有起有落。但几乎可以肯定，它是值得的。”David Cahn强调。潜在的挑战者虽然这是一个谈了很多次，但似乎也有了结果的论调。如Futurum Group 首席执行官丹尼尔·纽曼所说，“目前，世界上没有英伟达的天敌。”原因如下：NVIDIA 的图形处理单元 (GPU) 最初于 1999 年为 PC 视频游戏中的超快 3D 图形而创建，后来被证明非常适合训练大规模生成式 AI 模型，来自 OpenAI、Google、Meta、Anthropic 和 Cohere 等公司推动的模型的规模越来越大，进而需要使用大量 AI 芯片来做训练。多年来，NVIDIA 的 GPU 一直被认为是最强大的，也是最抢手的。这些成本当然不菲：训练顶级生成式 AI 模型需要数万个最高端的 GPU，每个 GPU 的价格为 3 万至 4 万美元。例如，埃隆·马斯克 (Elon Musk)最近表示，他的公司 xAI 的 Grok 3 模型需要在 10 万个 NVIDIA 顶级 GPU 上进行训练才能成为“特别的东西”，这将为 NVIDIA 带来超过 30 亿美元的芯片收入。然而，NVIDIA 的成功不仅仅是芯片的产物，还有让芯片变得易于使用的软件。NVIDIA 的软件生态系统已经成为大量专注于 AI 的开发人员的首选，他们几乎没有动力去转换。在上周的年度股东大会上，NVIDIA 首席执行官黄仁勋称该公司的软件平台 CUDA（计算统一设备架构）是一个“良性循环”。随着用户的增多，NVIDIA 有能力投入更多资金升级该生态系统，从而吸引更多用户。相比之下，NVIDIA 的半导体竞争对手AMD控制着全球 GPU 市场约 12% 的份额，该公司确实拥有具有竞争力的 GPU，并且正在改进其软件，纽曼说。但是，虽然它可以为不想被 NVIDIA 束缚的公司提供另一种选择，但它没有现有的开发者用户群，这些开发者认为 CUDA 易于使用。此外，虽然亚马逊的 AWS、微软Azure 和Google云等大型云服务提供商都生产自己的专有芯片，但他们并不打算取代 NVIDIA。相反，他们希望有多种 AI 芯片可供选择，以优化自己的数据中心基础设施，降低价格，并向最广泛的潜在客户群销售他们的云服务。J. Gold Associates 分析师杰克·戈尔德 (Jack Gold) 解释说：“NVIDIA 拥有早期发展势头，当你建立一个快速增长的市场时，其他人很难赶上。”他表示 NVIDIA 在创建其他人所没有的独特生态系统方面做得很好。Wedbush 股票研究高级副总裁 Matt Bryson 补充说，要取代 NVIDIA 用于训练大规模 AI 模型的芯片将特别困难，他解释说，目前计算能力的大部分支出都流向了这一领域。“我认为这种动态在未来一段时间内不会发生变化，”他说。然而，越来越多的人工智能芯片初创公司，包括 Cerebras、SambaNova、Groq 以及最新的 Etched和 Axelera ，都看到了从英伟达人工智能芯片业务中分一杯羹的机会。他们专注于满足人工智能公司的特殊需求，尤其是所谓的“推理”，即通过已经训练过的人工智能模型运行数据，让模型输出信息（例如，ChatGPT 的每个答案都需要推理）。例如，就在上周，Etched筹集了1.2 亿美元，用于开发一种专门用于运行 transformer 模型的专用芯片Sohu，Transformer 模型是 OpenAI 的 ChatGPT、Google的 Gemini 和 Anthropic 的 Claude 使用的一种 AI 模型架构。据介绍，该芯片将由台积电采用其 4nm 工艺生产，该公司表示还已从“顶级供应商”那里获得高带宽内存和服务器供应，但没有透露这些公司的名字。Etched 还声称，Sohu 的速度比 NVIDIA 即将推出的 Blackwell GPU“快一个数量级，而且更便宜”，八芯片 Sohu 服务器每秒可处理超过 500,000 个 Llama 70B token。该公司通过推断已发布的 NVIDIA H100 服务器 MLperf 基准测试数据做出了这一判断，该基准测试显示，八 GPU 服务器每秒可处理 23,000 个 Llama 70B token。Etched 首席执行官 Uberti在接受采访时表示，一台Sohu服务器将取代 160 块 H100 GPU。荷兰初创公司 Axelera AI 正在开发用于人工智能应用的芯片，该公司上周宣称也已获得6800万美元美元融资，该公司正在筹集资金以支持其雄心勃勃的增长计划。这家总部位于埃因霍温的公司旨在成为欧洲版的 NVIDIA，提供据称比竞争对手节能 10 倍、价格便宜 5 倍的 AI 芯片。Axelera 创新的核心是 Thetis Core 芯片，它在一个周期内可以执行惊人的 260,000 次计算，而普通计算机只能执行 16 次或 32 次计算。这种能力使其非常适合 AI 神经网络计算，主要是矢量矩阵乘法。他们的芯片提供了高性能和可用性，而成本仅为现有市场解决方案的一小部分。这可以使 AI 普及，让更广泛的应用程序和用户能够使用它。与此同时，据报道，专注于以闪电般的速度运行模型的 Groq 正在以25 亿美元的估值筹集新资金，而 Cerebras据称在发布其最新芯片仅几个月后就秘密提交了首次公开募股申请，该公司声称该芯片可以训练比 GPT-4 或 Gemini 大 10 倍的 AI 模型。所有这些初创公司一开始都可能专注于一个小市场，比如为某些任务提供更高效、更快或更便宜的芯片。他们也可能更专注于特定行业的专用芯片或个人电脑和智能手机等人工智能设备。“最好的策略是开拓一个小众市场，而不是试图征服世界，而这正是他们大多数人正在尝试做的，”Tirias Research 首席分析师 Jim McGregor 说。因此，也许更切题的问题是：这些初创公司与云提供商以及 AMD 和英特尔等半导体巨头一起能够占领多少市场份额？这还有待观察，尤其是因为运行 AI 模型或推理的芯片市场仍然很新。 原文：https://m.cnbeta.com.tw/view/1437319.htm