英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网

资讯 AI 行业观察 全文 5103 字 · 约 13 分钟读完 配图 8 张 分类英伟达芯片

写入记忆,何必读完整个网络?英伟达SEED每GPU吞吐最高提升42%

所属频道 算力与芯片
英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网(配图 1)


Qwen3.8-Flash-Next 一共 48 层。SEED 的做法是:输入进来后,除了最后一个 token,其余 token 只走前 31 层,后面那 17 层要用的 KV Cache 和循环状态,交给一个轻量的记忆写入组件来生成。等到生成阶段,每个 token 还是老老实实跑满 48 层。


这背后有个差别被利用了起来:要把记忆写下来供后续生成使用,所需的深层计算其实比预测下一个 token 少得多。SEED 在五种已经训练好的混合大模型上把这个差别量了出来,然后拿它去削减预填充阶段的计算量。


解码侧也还有空间可挖。模型每一步读写的循环状态里,通常有一个方向接近固定的主分量,剩下的部分则呈现低秩结构。SEED 就按这种分解形式来存状态,模型直接在这种形式下读取和更新。落到 Qwen3.8-Flash-Next 上,单请求的循环状态从 113.2MB 压到刚压缩后的 29.2MB,整个压缩周期平均为 43.4MB。


在 GB300 GPU、SGLang 和编码 Agent 会话轨迹上测得,SEED 让 Qwen3.8-Flash-Next 的每 GPU 峰值吞吐提升 16%~42%;在相同 P90 用户端到端输出速率的比较点上,吞吐提升 23%~42%。这些改动带来多少精度代价,则由五种模型、六个检查点的质量评测来检验。原模型权重全程冻结,新增组件靠蒸馏训练。


论文《Shallow Encoding Emits Deep Memories》已经以 arXiv 预印本形式发布。Mingyuan Ma 与 Yangmin Li 共同主导、同等贡献;其余作者是 Harris Nover、Zheyu Fu、Po-Han Huang、Alex Settle 和 Ashwin Nanjappa,全部来自 NVIDIA。


英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网(配图 2)


  • 论文链接:https://arxiv.org/abs/2611.06084v1

  • 项目链接:https://latent-voyager-seed.static.hf.space/index.html


固定大小的状态,代价未必就低。


混合架构的做法是:用少量 softmax 注意力层存 KV Cache,靠大量线性注意力层或状态空间层来维护循环状态。KV Cache 会随上下文变长,循环状态的大小虽然固定,却不算小——Qwen3.8-Flash-Next 每个请求的状态,占用的空间差不多相当于 4500 个 token 的注意力缓存。


每生成一个 token,这些状态都要更新一遍,同时还要和活跃请求、缓存前缀抢显存。SEED 把两个阶段的成本分开处理:预填充阶段少做深层计算,解码阶段少存循环状态。这两项优化,都建立在现有模型已经显露出的记忆结构之上。


为什么前 31 层就够写出后 17 层的记忆


预填充时,只有最后一个输入 token 的输出会拿去预测首个回复 token。剩下那些 token 留给后续生成的结果,就是各层写出的 KV Cache 和循环状态。于是研究者把深层网络的写入路径单独拎出来考察。


具体做法是:把浅层隐藏状态直接送进后续各层的写入路径,跳过其他深层计算,再拿它跟同深度的提前退出作对比——也就是把这个隐藏状态直接交给输出头,去预测下一个 token。


英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网(配图 3)

表 1 给出了 Qwen3.8-Flash-Next 在锚点深度 k=31 处的未训练对比结果。KL 值越小,说明输出分布越贴近原模型。写入路径上直接采用原层权重,这一结果并非蒸馏完成后的最终版本。来源:论文图 2 (c)。


两个结果差了约 141 倍。浅层特征还不足以直接预测下一个 token,但已经能为深层写出可用的记忆。这便是写入与读取之间的不对称。


英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网(配图 4)

图 1 SEED 的浅层预填充。emitters 从锚点层输出写出后续层的 KV Cache 和循环状态;最后一个输入 token 仍通过完整网络。来源:论文图 1 (a)。


这条路径由 emitters 来实现。注意力层这边,保留 key、value 以及必要索引的生成;循环层那边,还要保留写入强度、衰减、短卷积和扫描。这些组件从原层参数初始化,再通过蒸馏适配浅层输入,完整的深层注意力读出和前馈计算就此省掉。


把 emitters 算进来之后,Qwen3.8-Flash-Next 除最后一个之外的输入 token,参数相关计算量由 12.1GFLOP 降至 9.1GFLOP,少了约 25%。生成阶段依旧跑完整网络,各层记忆也都留着。


挑锚点深度,光看平均 loss 不够。GLM-5.3-Flash 在 k=27 时分布偏差已经很小,可原模型 595 个标识符里只复制得出 269 个;换到 k=31,能复制 530 个。所以 SEED 把分布偏差和精确复制测试放在一起决定深度,免得平均指标把检索失败盖过去。


状态里能量最大的那部分,不一定装得下最多上下文。


Qwen3.8-Flash-Next 一共有 1728 个 Gated DeltaNet 头,每个头管着一个 128×128 的状态矩阵。对这些矩阵做 SVD,首个奇异分量拿走的能量中位数在 85% 左右;而且换到互不相关的输入,主方向照样靠得很近。


研究者又在通用文本上估了每个头的平均 value 方向,把状态沿这个固定方向的投影叫 state sink。该投影的能量占比中位数约 75%,跟 SVD 那个 85% 不是同一个统计量。把这个方向拿掉,剩下的内容依然紧凑:中位数头大约只要 6 个方向,就能保住其 90% 的能量。


英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网(配图 5)

图 2 画的是原状态、固定方向上的 sink 投影和剩余内容。图中那个示例头,sink 占到 94% 能量;正文的 85% 和 75% 则是不同统计量下的跨头中位数。能量按矩阵元素平方和算。来源:论文图 3 (a–c) 及第 4 节。


能量高,并不等于这部分就该留。论文做了替换实验:把每个头的 sink 换成其他输入上的平均 sink,后续预测损失只多约 0.002 nats/token;可要是在每个后续步骤都只留 sink,损失会涨约 1.66 nats/token。前一种干预只发生在预填充结束时,后一种是持续干预,两相对照说明剩下的工作记忆丢不得。


归一化之后,sink 主要管偏置和增益,对当前输入有用的东西大多在其余部分。SEED 就把两者拆开存:固定方向所有请求共用,每个请求只存 sink 系数和工作记忆的低秩因子。


英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网(配图 6)

图 3 展示的是状态分解与直接读出。v̄ 是每个头共享的固定方向;a、U、V 归当前请求所有。模型拿这组因子算输出,读出时不必重建完整状态矩阵。公式整理自论文第 5.1 节。


拿秩 R=16 来说,单头刚压缩完的存储量从 128×128=16384 个数变成 17×128+16×128=4224 个数。同样精度下,大约只剩原来的四分之一。这近 4 倍的压缩来自表示结构本身,不是把状态换成更低精度换来的。


光能压下来还不够。

关键还在于,这组因子得能一直跟着更新。


循环状态每个 token 都要动一次。每步要是重建整个矩阵、再跑一遍 SVD,省下的存储很容易被算力吃掉。SEED 借的是原更新规则的结构:每一步先更新 sink 系数,给已有因子乘上衰减,再往两个因子里各加一列,新的工作记忆就这样表示出来了。


论文给出的证明是,Gated DeltaNet、Kimi Delta Attention 和 Mamba-2 的更新都能维持这种分解形式。两次压缩之间,因子上的更新在数学上是精确的,近似只来自低秩截断。Qwen3.8-Flash-Next 里 R 和压缩周期 W 都取 16,每生成 16 个 token,就把长出来的因子压回目标秩。


29.2MB 也不是恒定占用,原因就在这里:追加的列会让存储量一点点涨上去,按周期平均是 43.4MB。五种模型上,状态刚压缩完的压缩比为 2.0~3.9 倍,周期平均为 1.3~2.6 倍。这些数字算的是循环状态的表示,注意力 KV Cache 还是原格式。

误差分析做的是开环设定:压缩递推和精确递推拿到的 key、value 等输入相同,衰减也满足收缩条件。这种情况下,误差界不会随压缩次数变大。自由生成会改变后续输入,论文因此另外跟踪了长解码:在跟踪到 16K 步的模型中,压缩次数从首个 4K 到最后 4K 增至 4 倍,状态引起的分布偏移只增至约 1.2~1.4 倍。


蒸馏之后,模型的能力到底掉了多少。


SEED 只训练 emitters 和可选的 prompt code,原模型作为冻结教师。训练先拿固定文本做蒸馏,再在教师与当前组件生成的回复上跑一至两轮;Nemotron-3.5-Super 用的是第一阶段组件。锚点深度和状态秩按统一的探测准则挑选,不看考试分数。


质量测试涉及 Qwen3.8-Flash-Next、Nemotron-3.5-Lightning、Kimi-Linear、GLM-5.3-Flash 和 Nemotron-3.5-Super,共六个检查点、11 项基准。每道题都与原模型配对比较,采样种子相同,66 个“检查点 × 基准”组合中有 63 个分数落在原模型两个标准误范围内或更高。


英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网(配图 7)

图 4 是六个检查点在 11 项基准上的质量变化。右图单独看状态压缩带来的困惑度变化,用的是精确预填充。结果说明评测表现接近原模型,但不等于所有输出都一模一样。来源:论文图 6。


显存确实省下来了。

系统能多服务用户,原因也在这里。


SEED 在 SGLang 上的端到端验证跑在 GB300 GPU 上,回放的是 InferenceX 记录的编码 Agent 会话。每个并发点运行 900 秒,原模型与 SEED 用同一套硬件,循环状态都以 FP32 存储,测量把 emitters 和周期压缩的开销也算进去了。下表同时开启了浅层预填充与浅层状态。


英伟达SEED:每GPU吞吐最高提升42%,记忆写入不必读全网(配图 8)

表 2 给出 Qwen3.8-Flash-Next 的每 GPU 服务吞吐。峰值取各自最高测得值作比;P90 一列则在论文选定的相同用户端到端输出速率点上比较,具体取点见论文第 7 节。TP 指张量并行;1P:1D 由 1 个预填充实例加 1 个解码实例组成,每个实例用 2 张 GPU。来源:论文表 5。


NVFP4 单 GPU 聚合部署下,原模型峰值约 8.02 万 token/s/GPU,SEED 约 9.60 万。换成 bf16 预填充与解码分离部署,峰值从约 3.39 万升到 4.81 万。表中吞吐把输入和输出 token 都算进去,缓存命中的输入同样计入,因此不能当成单个用户的生成速度。在这类 MoE 模型的测试负载里,解码阶段权重读取仍占较大比重,状态变小主要靠容量改善服务,并不只是少搬了一些状态数据。



SGLang 的混合模型前缀缓存和运行中的请求共用一个循环状态池。池子满了,系统就逐出缓存前缀;新请求再用到这段上下文,只能重新预填充。并发越高,状态占用和重算之间的关系越明显。


在 NVFP4 TP1、40 个并发会话的测量点,原模型前缀缓存命中率约 55%,SEED 约 85%。状态小了,活跃请求和可复用前缀都能腾出空间,重算随之减少;未命中的部分,又由浅层预填充压低了计算量。


PD 分离部署里,瓶颈转到预填充实例。只开浅层预填充,峰值吞吐提升约 35%;只压缩状态提升约 5%;两者同时开启提升约 42%。不同部署的收益来源由此能分辨开:聚合服务更受状态池容量影响,PD 分离更依赖预填充计算的下降。


P90 用户端到端输出速率把排队和首 token 等待时间也算了进去。在相同 P90 条件下比吞吐,比的是相近交互体验下能承接多少负载;23%~42% 对应论文选定的比较点,不是任意速率下都固定的增幅。低负载时两种配置的吞吐差别很小,端到端服务验证目前集中在 Qwen3.8-Flash-Next 上。


混合模型的记忆可以怎样设计


SwiftKV 和 POP 此前已探索从浅层特征生成 Transformer 深层 KV Cache。SEED 把这个问题延伸到混合模型:预填充要写出深层循环状态,解码要在压缩表示上继续更新,同时原模型权重保持冻结。


这两项发现分别改动了记忆的计算方式和存储方式。深层网络在生成时仍有作用,但为输入 token 写记忆,未必需要同样的计算深度;完整状态矩阵仍定义着模型更新,实现时却可以存储并更新一组较小的因子。模型本来就有这些结构,SEED 把它们变成了可测量的服务收益。收益也有明确范围。SEED 不压缩注意力 KV Cache,长上下文中若 KV Cache 占了主要显存,状态压缩对总显存的贡献就会变小。论文讨论的 prompt code 前缀存储还属于后续方向,没有计入本文的服务吞吐。代码、新增组件和训练数据在论文中列为计划公开的材料。


本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 英伟达停售H200:25%关税通道关闭,杰富瑞测算营收最多减620亿美元

    当地时间11月17日,英伟达临时首席执行官科莱特·克雷斯在财报电话会上确认,公司将停止向中国销售H200 AI芯片——这意味着由黄仁勋此前与特朗普政府协商达成的对华特殊供货安排正式告终。这也是黄仁勋辞职之后,英伟达召开的首次财报沟通会,对华先进芯片供给毫无悬念地成为市场焦点议题。

    来源 TechWeb
  2. 英伟达克雷斯任临时CEO:AI芯片节奏未改,散热厂商同步看涨

    【TechWeb】11月19日,行业媒体Digitimes发布报道,聚焦黄仁勋辞任后英伟达首次财报电话会议。针对外界“换帅是否会打乱AI芯片供货”的疑虑,临时CEO科莱特·克雷斯(Colette Kress)明确回应:公司业务照常开展。克雷斯在会上强调,英伟达未来产品的开发与推出节奏保持不变,公司的运营表现、业务展望及

    来源 腾讯网
  3. 25%关税通道成历史:英伟达停售H200,外交部回应中方原则立场

    【TechWeb】当地时间11月17日,英伟达临时首席执行官科莱特·克雷斯在财报电话会上确认,公司将停止向中国销售H200 AI芯片——这意味着由黄仁勋此前与特朗普政府协商达成的对华特殊供货安排正式告终。这也是黄仁勋辞职之后,英伟达召开的首次财报沟通会,对华先进芯片供给毫无悬念地成为市场焦点议题。一个时代的终结:黄仁.

    来源 腾讯网
  4. Uber 前 CEO 卡兰尼克声援黄仁勋:若英伟达员工罢工要求其复职,愿亲自参与

    IT之家 11 月 19 日消息,Uber 前首席执行官特拉维斯 · 卡兰尼克(Travis Kalanick)表示,如果英伟达员工发起集体罢工,要求黄仁勋复职,他愿意站出来支持,甚至亲自参与行动。 卡兰尼克表示:“我会带着一个镶满晶圆的扩音器,前往英伟达总部,身边还会有大批希望参与罢工的英伟达员工,以及众多企业首席执

    来源 AI 行业观察
  5. 马斯克:撤换黄仁勋如踢走乔丹

    TechCrunch报道,马斯克将撤换英伟达CEO黄仁勋比作把迈克尔·乔丹踢出球队,并称不认为黄仁勋对美国不忠。文章梳理这一言论的背景,分析英伟达在AI芯片领域的地位、黄仁勋的领导力,以及地缘政治争议下马斯克与英伟达既合作又竞争的复杂关系。

    来源 AI 科技快讯
  6. 黄仁勋离任后英伟达首场全员大会:克雷斯承诺全面加薪

    黄仁勋离任后,英伟达召开首场全员大会。临时CEO科莱特·克雷斯承诺全面加薪并扩大股权激励,以安抚动荡中的员工情绪。这场会议既是对人心的紧急止血,也折射出这家AI芯片巨头在领导层更迭期面临的治理与人才双重考验。

    来源 AI 科技快讯
  7. 英伟达扩大芯片供应链合作,数十亿美元支持矽品精密扩产

    日前,英伟达宣布扩大与台积电、矽品精密、景硕科技、三星电机、安靠科技、富士康等供应链企业的合作,以扩大基板、先进封装、晶圆和合同制造的产能。其中,英伟达将通过数十亿美元资金支持矽品精密在中国台湾扩大先进封装产能,相关产能计划于2029年年中前增加。此外,景硕科技计划将其桃园幼狮厂专供英伟达的先进ABF封装基板产能扩大至

    来源 AI 行业观察
  8. 英伟达占数据中心芯片76%营收,博通10%排第二

    2025年第四季度,全球数据中心算力芯片市场的数据刚出来,英伟达一家就拿走了76%的营收。这是什么概念?把排在它后面所有竞争对手的营收加一块,再乘以三,都没英伟达一家多。更有意思的是排在第二位的玩家。很多人以为能跟英伟达掰手腕的,好歹得是个老牌显卡厂商,结果第二名是博通,占了10%的份额。熟悉芯片行业的人都知道,博通压

    来源 AI 行业观察
  9. OpenAI用GPT-4o改芯片电路,AMD旗舰GPU能效最高提14%

    OpenAI 当地时间 18 日发布技术报告,披露 AI 辅助芯片设计进展。自研推理芯片 Jalapeño 2025 年初就交给 GPT-4o 打下手:模型重写浮点加法器、乘法器等电路,新乘法器综合后面积减约 15%、延迟压到一个时钟周期;合计向量计算单元面积减约 13%,矩阵计算单元减约 10%,

    来源 AI 开发者社区
  10. OpenAI用AI改芯片电路:AMD旗舰GPU能效最高提升14%

    OpenAI报告披露GPT-4o辅助芯片设计:自研推理芯片Jalapeño由GPT-4o重写浮点加法器、乘法器等电路,新乘法器面积减约15%、延迟压至一个时钟周期;向量与矩阵计算单元面积分别减约13%、10%,已实片验证。模型还重写RTL,为AMD旗舰GPU提速,压缩约一年工作量。

    来源 AI 产业速递
  11. “AI央行”开启量化紧缩!英伟达新CEO收紧投资闸门,Neocloud融资命脉告急

    英伟达正在重新定义自己在AI生态中扮演的金融角色。这家芯片巨头的临时CEO Colette Kress在本周财报电话会上明确表示,公司将对未来的投资、承诺和财务担保进行"严格评估"。这意味着,黄仁勋时代那种对AI生态"大手笔、广撒网"的金融支持风格,或将正式画上句号。受冲击最大的是新兴的Neocloud赛道。CoreW

    来源 腾讯网
  12. 黄仁勋宣布辞职:婚外情风波下的英伟达接班悬念

    据TechCrunch报道,英伟达创始人兼CEO黄仁勋因婚外情风波宣布辞职,结束其长达三十余年的执掌生涯。这一消息不仅令全球市值最高的芯片公司陷入领导层真空,也让正处于白热化阶段的美中AI基础设施竞赛增添变数。本文梳理事件时间线,并分析其对英伟达、供应链与国家安全议题的潜在影响。

    来源 AI 科技快讯
  13. AMD遭Hunterbrook做空:被指循环交易,承诺规模超英伟达

    Hunterbrook Capital称AMD为采购自家芯片的企业提供融资与担保,承诺规模已远超英伟达,而其现金储备却相对不足。报告还指出,AMD增长所倚重的部分产品线,或将面临严格的出口管制。AMD回应称,Hunterbrook报告歪曲了AMD的业务实践与合作关系。报告发布后,AMD盘中最大跌幅11%。

    来源 华尔街见闻
  14. Anthropic上市首日冲高回落,美股三大指数齐跌,道指失守5万点

    费城半导体指数跌2.4%,AMD遭做空重挫7.7%,英伟达跌3.3%,创52周新低。甲骨文跌3%,盘中创一年新低。CoreWeave跌6.1%。10年期美债收益率下行1.5个基点。美元指数涨0.2%,创18个月新高。离岸人民币跌至一个月低位、触及6.70关口。WTI原油涨1.1%。黄金创去年9月以来最低。白银跌3%。比

    来源 华尔街见闻
  15. SpaceX周四发债60亿美元买英伟达芯片:320亿美元融资收官

    据媒体报道,本次发售包括约60亿美元债券,规模已从此前的40亿美元上调,于周四向投资者开放认购,其余约260亿美元票据此前已完成配售。资金将通过名为Saturn Funding Trust的特殊目的载体购买英伟达AI芯片,SpaceX初期以五年期租约使用这些芯片。

    来源 华尔街见闻
  16. 黄仁勋辞职,奥特曼表态:很难想象没有Jensen的AI行业

    英伟达创始人、前CEO黄仁勋上周因多起丑闻宣布辞职,其中涉及与一名据称是中国间谍的女性存在婚外情。OpenAI首席执行官萨姆·奥特曼随即公开表示“很难想象没有Jensen的AI行业”。这一罕见的高调表态,引发业界对英伟达未来走向、AI算力供应稳定性以及全球芯片格局的广泛讨论。

    来源 AI 科技快讯
  17. Uber创始人穿皮衣要求黄仁勋回归:扬言带领英伟达员工罢工

    Uber联合创始人特拉维斯·卡兰尼克在得州奥斯汀一场投资者会议上身穿黑色皮夹克,公开要求英伟达让黄仁勋回归,并扬言带“镶满晶圆的扩音器”到英伟达办公室带领员工罢工。英伟达董事长已表示公司无意让黄仁勋复职,但硅谷人士要求其回归的呼声仍在发酵。

    来源 凤凰科技
  18. SpaceX 400亿美元芯片融资或本周入市,租赁定价最高超9%

    财联社11月19日讯(编辑 马兰)据知情人士透露,阿波罗公司为SpaceX筹集的巨额融资最早可能在本周进入市场,这笔资金将被用于购买英伟达的GPU芯片。报道指出,高盛和阿波罗全球管理公司最早可能在本周开始出售这笔约400亿美元交易的部分股权。高盛提供了一笔83亿美元的高级担保贷款,阿波罗则提供近200亿美元的贷款,然后

    来源 腾讯网
  19. 亚马逊CEO首度回应英伟达黄仁勋风波:合作关系不会动摇

    【TechWeb】11月18日消息,当地时间11月17日,亚马逊总裁兼首席执行官安迪·贾西(Andy Jassy)做客一档访谈节目。在英伟达创始人黄仁勋辞任CEO危机的背景下,贾西首次就此公开表态,明确传递了亚马逊对英伟达合作关系的信心。 贾西表示:“我对黄仁勋怀有深深的敬意,也对英伟达怀有深深的敬意。长期以来,他们一

    来源 AI 行业观察
  20. OpenAI模型改写AMD GPU代码,PPA最高提升14%已部分流片

    2026年11月18日,OpenAI官方博客披露:其模型通过重写SystemVerilog代码,在AMD旗舰GPU IP上实现最高14%的PPA综合提升,历时不足五个月完成了业内通常需要约一年才能达到的优化量级。部分改动已被AMD纳入送制造的最新设计,另有改动写入未来版本的生产设计文件。这是AI辅助芯片设计从

    来源 AI 科技快讯
  21. 穆迪下调英伟达评级展望:黄仁勋离任引发治理担忧

    【环球时报特约记者 甄翔】据彭博社19日报道,国际信用评级机构穆迪评级公司已将美国芯片制造商英伟达的信用评级展望从“正面”下调至“稳定”。该机构给出的理由是,在长期担任首席执行官的黄仁勋离任后,英伟达出现治理层面的担忧。 穆迪的展望分为正面、稳定、负面,另设“发展中”类别。穆迪在声明中表示,此次下调意味...

    来源 腾讯网
  22. 英伟达CEO辞职风波笼罩欧洲最大科技峰会,欧洲AI自主难题待解

    欧盟委员会执行副主席表示,目前欧盟使用的技术约80%都不在欧洲,加快芯片基础设施建设对欧洲来说至关重要文|《财经》研究员 谭海燕编辑|刘以秦当地时间11月9日,被称为欧洲最大的年度科技会议的Web Summit(全球网络峰会)在里斯本开幕,这场峰会持续四天,主办方称来自全球164个国家约七万人参与。峰会开幕之时,前英伟

    来源 腾讯网
  23. 英伟达是一家“傻子都能做CEO”的公司吗?

    经营者不必是伟人,也不可能总是伟人。 谁能成为英伟达的新CEO? 是临时接替CEO的财务总监科莱特克雷斯?还是技术出身的雷内哈斯?还是发明CUDA的伊恩巴克?如果他们上台,他们会是库克、纳德拉这样优秀的接班人,还是一个糟糕的CEO? 这些问题,恐怕连这些候选人自己也回答不了,可能需要等他们上任几年后才能得到答案。 而现

    来源 AI 行业观察
  24. AMD苏姿丰立目标:2027年服务器营收翻倍,总营收增超80%

    【TechWeb】11月19日,AMDCEO苏姿丰在第三季度财报电话会议上给出了极为激进的业绩指引:预计2027年公司服务器业务营收将实现同比翻倍,整体营收增幅超过80%。这一表态正值全球AI算力需求持续井喷、竞争对手英伟达深陷高层动荡的微妙窗口期,AMD正加速抢占数据中心市场份额。 服务器营收翻倍的具体指向,是EPY

    来源 AI 行业观察
向下滚动自动加载更多