📰 Flash info sur le marché crypto
1. Google open source DiffusionGemma, la vitesse d'inférence AI attire à nouveau l'attention
Le dernier modèle expérimental open source de Google, DiffusionGemma, basé sur l'architecture Gemma mais utilisant un schéma de diffusion de texte discret, ne suit pas le chemin traditionnel de l'auto-régression par token. Ce qui est remarquable, c'est qu'une seule H100 peut atteindre plus de 1000 tokens/s, soit environ 4 fois la vitesse des modèles similaires, tout en n'occupant que 18 Go de mémoire, ce qui le rend plus adapté à un déploiement local et à des scénarios d'interaction à faible latence. Cependant, l'équipe officielle a également clairement indiqué que la qualité de génération et la capacité mathématique de ce modèle restent inférieures à celles des solutions précédentes. Pour le marché crypto, ce type de percée en matière d'inférence AI à coût-efficace pourrait continuer à renforcer le récit autour de la puissance de calcul AI, du déploiement en périphérie et des infrastructures connexes.
2. Amélioration du refroidissement des puces AI, la chaîne des matériaux en diamant reçoit un nouveau catalyseur
Avec la consommation d'énergie des puces AI qui continue d'augmenter, le refroidissement devient un goulot d'étranglement important pour l'expansion de la puissance de calcul. Les dernières informations du secteur montrent que le diamant, grâce à son taux de conductivité thermique élevé, sa capacité à supporter un flux de chaleur ultra-élevé et ses caractéristiques d'expansion thermique mieux adaptées aux puces, est considéré comme l'une des clés du refroidissement des puces AI haut de gamme. Actuellement, le marché s'intéresse généralement aux stratégies des entreprises comme Nvidia et AMD sur les matériaux de refroidissement avancés. La Chine possède un avantage évident en termes de capacité de production de diamant synthétique, de maturité de la chaîne d'approvisionnement et de coût, et si les technologies connexes continuent de se concrétiser, cela pourrait encore faire monter l'enthousiasme autour du matériel AI, des matériaux en amont et des infrastructures de puissance de calcul.
3. De l'accélération des modèles au refroidissement matériel, la logique d'investissement dans la chaîne d'approvisionnement AI continue de se répandre
Ces deux dynamiques reflètent ensemble que la compétition AI actuelle passe d'une simple comparaison des capacités des modèles à une lutte intégrée de "l'efficacité d'inférence + la capacité de support matériel". D'un côté, les modèles de texte diffus tentent de réduire plus rapidement le seuil de fonctionnement local, de l'autre, les puces à forte consommation d'énergie poussent à une mise à niveau des matériaux de refroidissement, ce qui montre que l'industrie AI évolue rapidement vers une mise en œuvre ingénierie et à grande échelle. Pour les investisseurs en crypto, le marché pourrait continuer à se concentrer sur le récit autour des Agents AI, de la puissance de calcul décentralisée, des infrastructures de données et des tokens liés aux GPU, mais à court terme, il est crucial de faire la distinction entre la spéculation conceptuelle et la véritable capacité de mise en œuvre technologique.
#AI #算力 #crypto
1. Google open source DiffusionGemma, la vitesse d'inférence AI attire à nouveau l'attention
Le dernier modèle expérimental open source de Google, DiffusionGemma, basé sur l'architecture Gemma mais utilisant un schéma de diffusion de texte discret, ne suit pas le chemin traditionnel de l'auto-régression par token. Ce qui est remarquable, c'est qu'une seule H100 peut atteindre plus de 1000 tokens/s, soit environ 4 fois la vitesse des modèles similaires, tout en n'occupant que 18 Go de mémoire, ce qui le rend plus adapté à un déploiement local et à des scénarios d'interaction à faible latence. Cependant, l'équipe officielle a également clairement indiqué que la qualité de génération et la capacité mathématique de ce modèle restent inférieures à celles des solutions précédentes. Pour le marché crypto, ce type de percée en matière d'inférence AI à coût-efficace pourrait continuer à renforcer le récit autour de la puissance de calcul AI, du déploiement en périphérie et des infrastructures connexes.
2. Amélioration du refroidissement des puces AI, la chaîne des matériaux en diamant reçoit un nouveau catalyseur
Avec la consommation d'énergie des puces AI qui continue d'augmenter, le refroidissement devient un goulot d'étranglement important pour l'expansion de la puissance de calcul. Les dernières informations du secteur montrent que le diamant, grâce à son taux de conductivité thermique élevé, sa capacité à supporter un flux de chaleur ultra-élevé et ses caractéristiques d'expansion thermique mieux adaptées aux puces, est considéré comme l'une des clés du refroidissement des puces AI haut de gamme. Actuellement, le marché s'intéresse généralement aux stratégies des entreprises comme Nvidia et AMD sur les matériaux de refroidissement avancés. La Chine possède un avantage évident en termes de capacité de production de diamant synthétique, de maturité de la chaîne d'approvisionnement et de coût, et si les technologies connexes continuent de se concrétiser, cela pourrait encore faire monter l'enthousiasme autour du matériel AI, des matériaux en amont et des infrastructures de puissance de calcul.
3. De l'accélération des modèles au refroidissement matériel, la logique d'investissement dans la chaîne d'approvisionnement AI continue de se répandre
Ces deux dynamiques reflètent ensemble que la compétition AI actuelle passe d'une simple comparaison des capacités des modèles à une lutte intégrée de "l'efficacité d'inférence + la capacité de support matériel". D'un côté, les modèles de texte diffus tentent de réduire plus rapidement le seuil de fonctionnement local, de l'autre, les puces à forte consommation d'énergie poussent à une mise à niveau des matériaux de refroidissement, ce qui montre que l'industrie AI évolue rapidement vers une mise en œuvre ingénierie et à grande échelle. Pour les investisseurs en crypto, le marché pourrait continuer à se concentrer sur le récit autour des Agents AI, de la puissance de calcul décentralisée, des infrastructures de données et des tokens liés aux GPU, mais à court terme, il est crucial de faire la distinction entre la spéculation conceptuelle et la véritable capacité de mise en œuvre technologique.
#AI #算力 #crypto