2014年,比特幣挖礦狀態(tài)出現(xiàn)了新變化,年初不斷有媒體曝料中國西北等偏遠(yuǎn)地區(qū)出現(xiàn)了巨型挖礦廠,產(chǎn)幣獲利之大令人震驚;7月有媒體統(tǒng)計(jì)世界十大比特幣礦機(jī)群列表,其中有4個(gè)在中國,大規(guī)模專業(yè)化生產(chǎn)大礦場時(shí)代或?yàn)楸忍貛攀袌鲒厔荨?/p>
那么作為礦場關(guān)鍵因素的礦機(jī)該如何選擇呢?在礦機(jī)效能相差不大的情況下,功耗低以及拿到現(xiàn)貨的速度成為大礦場時(shí)代下礦場主采購礦機(jī)時(shí)考慮的關(guān)鍵因素。這對各家比特幣礦機(jī)廠商來說是個(gè)挑戰(zhàn),如何在保證散熱情況下又能夠保證高性能就成為了關(guān)鍵。
據(jù)了解,作為全球領(lǐng)先礦機(jī)品牌的烤貓?jiān)诩骖櫳岷托艿那闆r下,憑借領(lǐng)先技術(shù)優(yōu)勢和規(guī)范化管理流程,將成本控制做到了極致。如2014年8月因勢推出Tube產(chǎn)品,一臺(tái)額定速度800G、墻上功耗900W的礦機(jī)平均售價(jià)才0.79BTC,創(chuàng)市面礦機(jī)低價(jià)新記錄,而對于大礦場布控這一新市場,烤貓?jiān)俅握{(diào)整戰(zhàn)略針對性制定銷售策略——100臺(tái)以上每臺(tái)售價(jià)0.7BTC,使大礦場主的利潤進(jìn)一步提高。
烤貓芯片檢測過程局部圖
這里的每個(gè)芯片都要求工人測試
事實(shí)上,由于烤貓的成本控制做的好,烤貓礦機(jī)的出售價(jià)格甚至比不少礦機(jī)廠商的生產(chǎn)價(jià)格都低,而在當(dāng)前幣價(jià)萎靡的情況下很多礦機(jī)廠商都已經(jīng)被迫停產(chǎn)。這得益于烤貓一直以來的積累,早在2013年11月底烤貓礦機(jī)累積銷售量超過萬臺(tái),總算力超過1000T。
待封裝的烤貓礦機(jī)
待發(fā)貨的烤貓礦機(jī)
領(lǐng)先的技術(shù)、嚴(yán)格的工業(yè)化管理和規(guī)模性生產(chǎn)流水線是保證烤貓礦機(jī)物美價(jià)廉、現(xiàn)貨迅速、能耗低的重要因素,也是烤貓?jiān)诒忍貛诺V機(jī)競爭中脫穎而出保持一貫領(lǐng)先地位的關(guān)鍵??矩埖V機(jī)也因此成為有閑置電力資源的大礦場主的首選。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。