提供永久免费的API接口，查看更多API接口，如果您有其他免费API资源，请联系我们，造福人类。

定制开发，免费评估，免费咨询，价格便宜，售后保障，前往开发服务中心或联系开发客服中心

英伟达对Arm的收购https://www.zdnet.com/article/nvidia-reported-in-advanced-talks-to-buy-arm/“target=”\u blank“>传闻了一段时间，现在，它已经。这对双方来说都是一个意义重大且调整良好的举措。事实上，这是一个长期存在的问题。我们回顾了导致这一结果的步骤，以及这对人工智能芯片市场的意义。

这是继4月收购Mellanox。这两者是互补的，因为它们都是Nvidia计划收购并保持在数据中心及以外的人工智能工作负载中的主导地位的基础。

正如我们所指出的，GPU是机器学习工作负载的好处。英伟达也注意到这一点，并采取了早期和成功的行动。这有效地创造了一个额外的市场，并且在这方面有了显著的增长。机器学习与云一起吃世界。

机器学习工作负载非常适合云计算。首先，机器学习算法的训练阶段在计算方面要求很高。对于许多组织来说，购买这些工作负载所需的基础设施是没有意义的，这就是云发挥作用的地方。

利用率和弹性，在许多情况下，将机器学习工作负载发送到云端有更多的理由。人工智能的工作负载可以通过专门的硬件更好地执行，这就是为什么Nvidia一直在扩大其在数据中心的业务。

Mellanox的收购是这一难题的一部分，因为Mellanox的技术使Nvidia芯片的数据中心能够更好地联网。这是一个巨大的好处。Mellanox还提供了https://www.zdnet.com/article/nvidia-beats-q2-estimates-with-record-data-center-sales-mellanox-growth/“target=”Βblank“>对Nvidia最近公布的第二季度收益的可靠贡献并不影响

，但真正重要的是从这些收益中显现出的更大的图景：Nvidia以创纪录的数据中心销售额超过第二季度的预期。英伟达的数据中心收入达到17.5亿美元，同比增长167%。这再次表明，数据中心是英伟达的增长引擎。

Arm的收购也符合这一要求。数据中心人工智能工作负载饼图正在增长，并且不断增长两个英特尔新兴创业公司都在竞争。面对这场竞争，英伟达追求的是双重底线：更好的性能和更好的经济性。

这是英伟达最近推出的安培AI芯片的一个关键主题。这也是与Arm现有合作的一个关键主题。最近Nvidia增加了对Arm cpu的支持。虽然Arm处理器的性能在这一点上可能无法与英特尔媲美，它节约的电力需求使其成为数据中心的一个有吸引力的选择href=“https://www.zdnet.com/article/introduction-the-arm-processor-again-what-you-should-know-about-it-now/“target=”Βblank“>Scott Fulton III在他对Arm处理器的深入报道中指出，Arm-in服务器的前景正在上升。一个事实的证明：上个月，一台名为Fugaku的富士通Arm超级计算机https://top500.org/news/japan-captures-top500-crown-Arm-powered-supercomputer/“target=”noopener noreferrer nofollow“data component=”externalLink“>在半年一度的超级计算机500强排行榜上占据了第一的位置。

富尔顿III接着补充说，在x86cpu和Arm处理器之间的所有区别中，对于数据中心设备管理器来说，唯一可能重要的是Arm芯片不太可能需要主动冷却系统。因此，它们更经济。规模经济对数据中心的重要性怎么强调都不为过，但这并不是收购Arm对Nvidia有意义的唯一原因。

数据中心是Arm CPU的最新扩展。传统上，Arm是数据中心的强项。高通公司（Qualcomm）正在使用Snapdragon型号的手机，这一事实证明了这一点。

Nvidia也坚定地表示，它打算将业务扩展到数据中心以外的领域。在a 2019 Q3财报电话会议分析师< /A>，遵循< HREF=https://www.zdnet.com/article/nvidia-intros-egx-compute-platform-for-edge-ai/“target=”Βblank“>Nvidia为edge AI推出的EGX计算平台，首席执行官Jensen Huang指出：

本季度，我们为AI最终将产生最大影响奠定了基础。我们将业务范围扩展到云以外的边缘，GPU加速的5G、AI和IoT将彻底改变全球最大的行业。我们看到未来数据中心的强劲增长是由对话式人工智能和推理技术的兴起推动的。“

”Nvidia不设计CPU，我们没有CPU指令集，Nvidia也不向半导体公司授权IP，因此，从这方面来说，我们不是竞争对手。我们完全有意向增加更多的IP工具，而且与Arm不同的是，Nvidia不参与手机市场，”Huang在收购Arm后的一份声明中指出。

拼图的各个部分已经酝酿了一段时间。正如我们所指出的，英伟达的主导地位不仅仅是基于硬件。A围绕Nvidia AI芯片的软件生态系统对其成功至关重要。Nvidia一直在努力保持其库的最新，并在性能方面进行升级。

Nvidia已经与Arm合作了一段时间，这可能意味着我们可以期待在Arm处理器支持方面的软件方面也能顺利发展。随着Arm的收购，Nvidia继续执行其计划，同时提出一个永远对于那些正在开发新架构的人来说，更大的挑战。

挑战者不仅要在性能上击败英伟达，还要在经济和生态系统方面击败英伟达，两者似乎都得到了升级。

图形、机器学习、炒作及其他：ArangoDB开源多模型数据库发布3.7版

陷阱解释机器学习模型时要避免

可解释人工智能：从过高期望的峰值到通过注册解释机器学习模型的陷阱，您同意 2023-03-22 10:04:20