接住火箭的尝试可能不会发生在即将到来的“星际飞船”第5次测试中

摘要：今天早些时候，在德克萨斯州伊莎贝尔港举行的一次闭门社区讲座上，星际基地总经理凯西-莱德斯（Kathy Leudders）分享了SpaceX公司的观点，称SpaceX公司可能不会在下一次测试飞行中用塔臂接住星际飞船火箭。 莱德斯负责监督 SpaceX 在得克萨斯州的生产和测试设施，这些设施负责星际飞船测试和火箭生产。当被问及SpaceX是否会用塔架接住火箭时，Leuders表示，虽然SpaceX最终会这么做，但接住火箭的尝试可能不会发生在即将到来的第5次飞行中。这位 SpaceX 公司的高管首先分享了该公司在得克萨斯州布朗斯维尔地区的投资情况。据她介绍，SpaceX 已经投资了 30 多亿美元来开发其发射和生产基地。随着"星际飞船"测试步伐的加快，Leuders 在早些时候的演讲中还强调，她的公司计划在该地区建立一家新工厂来制造火箭。据 SpaceX 公司首席执行官埃隆-马斯克（Elon Musk）推测，这座被称为"星际工厂"（Starfactory）的新设施或许可以制造数千枚火箭。据莱德斯称，SpaceX 已经为 Starfactory 和相关办公室追加了 4 亿美元的专项资金。她补充说，SpaceX 在该地区的存在已经为国家和地方政府创造了超过 8 亿美元的税收。根据 Leuders 在演讲中分享的数据，SpaceX 还花费 9000 多万美元从里奥格兰德河谷的本地供应商处购买商品和服务。据该公司估计，"星际基地"还为该地区创造了两万多个额外的工作岗位。超重型飞机在第 4 次飞行中降落到水面上进行软溅落。图片SpaceX/X在演讲过程中，莱德斯分享了她的公司正在逐步增加试验的技术风险，这是她对 SpaceX 公司用塔追赶星际飞船计划的第一组评论。据她所说：我们对成功的理解是，能够继续进一步展示和学习这次任务，并在不断学习的过程中使下一次任务走得更远。在最后阶段，我们希望能够瞄准目标，将飞行器送回发射台。但我们要确保我们在安全的地点进行这些演示，然后再去做，这实际上是最聪明的发展方式，演讲接近尾声时，当被问及 SpaceX 是否计划在火箭降落到发射台时抓住它时，她回答说："我们确实会用'筷子'（发射台回收装置的绰号）抓住它。我不确定会不会是下一次任务，但我们将建立能够做到这一点的轨迹"。她补充说，"筷子"是"多用途"的，因为它们可以堆叠并抓住飞行器，同时还能"为我们做很多事情"。虽然SpaceX公司用"筷子"或塔架抓臂抓取助推器的计划已经比较明确，但其第二级Starship的计划还不明确。第二级是世界上第一个完全可重复使用的第二级，随着星际飞船计划的进展，SpaceX 的回收计划应该会越来越清晰。 原文：https://m.cnbeta.com.tw/view/1436384.htm

AMD将搭建由120万颗GPU驱动的全球最强AI超级计算机

摘要：英伟达（NVIDIA）一直是数据中心最主要的 GPU 供应商，这已不是什么秘密，但现在随着需求的增长，AMD 很有可能成为这一市场的有力竞争者。最近，一位客户找到 AMD，要求创建一个由 120 万个 GPU 组成的人工智能训练集群。这有可能使它比目前速度最快的超级计算机 Frontier 还要强大 30 倍。2023 年，AMD 供应的数据中心 GPU 还不到 2%。 AMD 数据中心解决方案总经理 Forrest Norrod 在接受The Next Platform 采访时透露，他们收到了客户关于使用 120 万个 GPU 构建人工智能训练集群的真实询问。从这个角度来看，目前的人工智能训练集群通常使用数千个 GPU，通过高速互连连接到多个本地服务器机架上。目前正在考虑的人工智能开发规模是前所未有的。诺罗德说："正在筹建的一些训练集群确实强大得令人匪夷所思。事实上，目前已知用于训练人工智能模型的最大超级计算机是Frontier，它拥有37888个Radeon GPU，这使得AMD潜在的超级计算机比Frontier强大30倍。"当然，事情没那么简单。即使以目前的功率水平，在创建人工智能训练集群时也有大量隐患需要考虑。人工智能训练需要较低的延迟来提供及时的结果，需要消耗大量的电能，而且必须考虑到硬件故障，即使只有几千个 GPU 也不例外。大多数服务器的利用率在20%左右，并在远程机器上处理数千个小型异步作业。然而，人工智能培训的兴起正在导致服务器结构发生重大变化。为了跟上机器学习模型和算法的发展，人工智能数据中心必须配备专门为这项工作设计的大量计算能力。人工智能训练本质上是一项大型同步作业，需要集群中的每个节点尽可能快地来回传递信息。最有趣的是，这些数据来自 AMD，而 AMD 在 2023 年的数据中心 GPU 出货量中只占不到 2%。而占据另外 98% 市场份额的 NVIDIA 则对客户要求其开发的产品守口如瓶。作为市场领导者，我们只能想象他们正在开发什么。虽然拟议中的 120 万 GPU 超级计算机可能看起来有些离谱，但诺罗德称，"非常清醒的人"正在考虑在人工智能训练集群上花费多达千亿美元。这并不令人震惊，因为在过去几年里，人工智能在科技界的发展可谓突飞猛进。看来，企业已经准备好在人工智能和机器学习上投入巨资，以保持竞争力。 原文：https://m.cnbeta.com.tw/view/1436382.htm

MediaGone 500：把固态硬盘、闪存盘和智能手机当做午餐

摘要：有很多方法可以安全地处理存储驱动器上的文件，其中一些方法比其他方法更具破坏性。例如，DiskMantler 可以在大约 60 秒内将硬盘猛烈震开，留下的单个组件可以很容易地回收利用。不过，对于那些需要在短时间内销毁大量存储设备的人来说，还有另一种商业选择。 多年来，DIY 用户一直使用磁铁、电钻甚至枪支等不太复杂的破坏方法。来自 Verity Systems 的MediaGone 500固态硬盘和闪存介质粉碎机是一款专业工具，能够粉碎 SATA 和 NVMe 固态硬盘、USB 闪存驱动器、光盘甚至智能手机。该公司称，该机器可以安装在办公环境中，有台式和便携式两种外形可供选择。内置热保护和卡纸保护功能可确保无忧运行，不会出现任何减速现象。它使用标准电源线，据说设计高效，碳排放量低（尽管它的耗电量仍高达 1400 瓦）。强化夹层玻璃窗上装有 LED 照明灯，围观者可以安全地观看设备在标准或增强销毁模式下被粉碎的过程。粉碎后的材料会自动装入一个五加仑的容器（台式机则装入一个一加仑的抽屉）进行处理。MediaGone 500 能在一分钟内销毁一个固态硬盘，根据其规格，每小时最多可处理 100 个固态硬盘/500 个闪存驱动器/45 部手机。该设备符合 DIN 66399 规范，安全等级为 E-4、T-4、O-4 和 H-5。安全钥匙锁可防止未经授权使用机器。13% 折扣后的起价为 12,614 美元，包括免费送货。这不是普通爱好者可能投资的工具，但如果你经常管理敏感的存储设备或经营一家数据处理公司，它可能值得一看。 原文：https://m.cnbeta.com.tw/view/1436383.htm

Google、Snap、Meta等科技公司都在悄悄改变隐私政策以便进行AI训练

摘要：人工智能数据已成为公司训练新模型的宝贵资源。随着许多公开数据源迅速枯竭，企业开始转向受隐私法保护的私人数据集。为了掩护自己，这些公司在隐私声明中加入了一些小改动，允许他们以这种方式使用数据。 今年早些时候，美国联邦贸易委员会曾警告说，如果公司修改隐私声明的条款和条件，允许它们使用客户的数据来训练人工智能模型，那么它们将受到极大的诱惑。该委员会说，为了避免担心隐私的用户的反弹，公司可能会试图悄悄地、大张旗鼓地做出这些改变。然而，这种行为是非法的，委员会补充说，任何违背用户隐私承诺的公司都有触犯法律的风险。该委员会明确指出："如果一家公司采取更宽容的数据做法--例如，开始与第三方共享消费者数据或将这些数据用于人工智能训练--而只是通过偷偷摸摸、追溯性地修改其服务条款或隐私政策来告知消费者这一变化，这可能是不公平或具有欺骗性的。"但根据《纽约时报》的分析，这正是正在发生的事情。随着公司寻求数据来训练其人工智能模型，它们越来越多地转向受隐私法保护的数据。为了给自己提供法律保障，它们正在精心改写条款和条件，加入"人工智能"、"机器学习"和"生成式人工智能"等术语。Google就是一个例子。去年 7 月，Google对其隐私政策进行了几处重要调整。现在，该政策规定，Google使用公开信息来帮助训练其语言人工智能模型，并开发Google翻译、Bard（现为双子座）和云人工智能功能等产品。Google对《纽约时报》解释说，这一改动"只是澄清了较新的服务，如 Bard（现在的双子座）也包括在内。我们并没有因为这一语言变化而开始在更多类型的数据上训练模型"。上个月，Adobe 也采取了类似的行动，但却遭到了用户的强烈反对。一个弹出式窗口通知用户进行更新，暗示该公司可以访问用其创意套件创建的内容并要求所有权，以训练人工智能模型等。许多用户对此非常愤怒，尤其是当他们意识到，如果不立即同意这些令人困惑的新条款，就无法访问自己的项目。这导致了一波取消订阅的浪潮，并迫使 Adobe 就更新后的条款做出澄清。今年 5 月，Meta 通知其在欧洲的 Facebook 和 Instagram 用户，它将使用公开发布的帖子来训练其人工智能。然而，在欧洲 11 个国家的欧洲数字权利中心（European Center for Digital Rights）提出投诉后，Meta 暂停了这些计划。由于消费者保护措施较弱，以及包括美国联邦贸易委员会在内的州和联邦监督机构错综复杂，Meta 更容易收集美国用户的数据。随着越来越多的隐私政策被修改以纳入人工智能数据训练，该委员会将采取什么行动还有待观察。 原文：https://m.cnbeta.com.tw/view/1436381.htm

Meta发布LLM编译器 称将改变我们的编程方式

摘要：Meta发布了Meta 大型语言模型（LLM）编译器，这是一套强大的开源模型，旨在优化代码并彻底改变编译器设计。这项创新有望改变开发人员优化代码的方式，使代码优化更快、更高效、更具成本效益。 在将大型语言模型应用于代码和编译器优化方面，LLM 编译器背后的研究人员解决了一个尚未充分探索的重大空白。通过在包含 5460 亿条LLVM-IR和汇编代码的海量语料库上训练模型，他们使模型能够理解编译器中间表示、汇编语言和优化技术。研究人员在论文中解释说："LLM 编译器增强了对编译器中间表征（IR）、汇编语言和优化技术的理解。这种增强的理解能力使该模型能够执行以前由人类专家或专用工具完成的任务。"LLM 编译器在代码大小优化方面取得了显著成果。在测试中，该模型的优化潜力达到了自动调整搜索的 77%，这一结果可以显著缩短编译时间，提高各种应用的代码效率。事实证明，该模型的反汇编能力更令人印象深刻。在将 x86_64 和 ARM 汇编转换回 LLVM-IR 时，LLM 编译器显示了 45% 的往返反汇编成功率（14% 精确匹配）。这种能力对于逆向工程任务和遗留代码维护来说非常宝贵。了解更多：https://huggingface.co/collections/facebook/llm-compiler-667c5b05557fe99a9edd25cb该项目的核心贡献者之一克里斯-卡明斯（Chris Cummins）强调了这项技术的潜在影响：他说："通过提供两种规模（70 亿个参数和 130 亿个参数）的预训练模型，并通过微调版本展示其有效性，LLM 编译器为探索 LLM 在代码和编译器优化领域尚未开发的潜力铺平了道路。"这项技术的影响深远而广泛。软件开发人员可以受益于更快的编译时间、更高效的代码以及用于理解和优化复杂系统的新工具。研究人员获得了探索人工智能驱动的编译器优化的新途径，有可能在软件开发方法上实现突破。特别值得一提的是，Meta 决定以许可商业授权的方式发布 LLM 编译器。此举使学术研究人员和行业从业人员都能利用和改造这项技术，从而有可能加速该领域的创新。然而，如此强大的人工智能模型的发布也引发了人们对软件开发不断变化的格局的质疑。随着人工智能处理复杂编程任务的能力越来越强，它可能会重塑未来软件工程师和编译器设计师所需的技能。LLM 编译器代表的不仅仅是一种渐进式改进，而是我们在处理编译器技术和代码优化方面的根本性转变。通过这一版本，Meta 向学术界和工业界提出了挑战，以推动人工智能辅助编程的发展。随着人工智能驱动的代码优化领域的不断发展，全球开发人员和研究人员如何采用、调整和改进这一开创性技术，将是一个引人入胜的话题。 原文：https://m.cnbeta.com.tw/view/1436380.htm

诺基亚宣布收购英飞朗 后者股价盘后一度暴涨25%

摘要：诺基亚周四宣布，已同意收购美国光通信设备制造商英飞朗（Infinera），包括债务在内，这笔交易对后者的估值为23亿美元。受此消息推动，英飞朗股价盘后一度暴涨25%，目前涨幅在19%左右。 根据周四的一份声明，这笔现金加股票交易对英飞朗的估值为每股6.65美元，较这家总部位于加州圣何塞的公司过去180天的平均股价溢价37%。根据声明，至少70%的交易将以现金支付，其余部分包括诺基亚的美国存托股票，该声明证实了媒体早些时候的报道。英飞朗的股价在过去12个月里上涨了15%，使该公司的市值达到约12亿美元。据其网站介绍，英飞朗为移动电话运营商、互联网内容提供商和政府等提供网络硬件和软件。该公司由首席执行官大卫·赫德（David Heard）领导。这将是诺基亚自2016年以106亿欧元（约114亿美元）收购阿尔卡特朗讯以来最大的一笔收购。周四早些时候，诺基亚在一份声明中说，法国政府计划收购其阿尔卡特海底网络公司（Alcatel Submarine Networks），该公司的企业价值为3.5亿欧元。 原文：https://m.cnbeta.com.tw/view/1436378.htm