更多

    華為

    HUAWEI 智能穿戴新品 9 月登場 率先引進 TruSense 系統健康生活再進化

    現今的智慧型穿戴裝置很多時都將生活結合運動及健康,領先的健康技術更提升了大眾對自身健康的關注。今日華為便針對運動健康技術推出 HUAWEI TruSense 系統,為旗下著智能穿戴科技帶來新升級,進一步加強健康管理體驗。

    致命車禍餘波?華為退出問界相關業務?

    中國車企「賽力斯」日前宣佈收購「華為」900 多項與「問界」電動車相關權益,包括商標、技術及專利等,意味著華為將退出「問界」電動車相關業務,有關消息在國內引起廣泛討論。不過有市場分析認為「賽力斯」宣佈收購華為「問界」,其實和兩家企業的本身性質不同有關⋯⋯而且是次收購反而為「華為」帶來正面影響。

    華為 5G-A 網絡引入 LLM 智能助理及智能代理自動化管理

    5G 網絡商用已 5 年,正在進入下一階段的 5G-A。新網絡除了提升網絡速度和降低時延,還加入更多技術,如衛星、RedCap 物聯網等,令整個系統更複雜。華為在 5G-A 網絡方案引入人工智能技術,包括由大型語言模型(LLM)支援的智能助理,以及理解用戶意圖的智能代理,協助推動自動化網絡管理。

    商湯發表企業大型模型一體機 用華為昇騰晶片運算 AI

    商湯發表日日新 5.0 的同時,還發表企業級大型模型一體機,將生成式 AI 伺服器搬離雲端,放在企業的數據中心內。機內用上華為的 AI 晶片昇騰,最多 2PFLOPS 運算效能。商湯科技董事長和行政總裁徐立表示,一體機加快AI回應的速度,也加強企業數據安全。

    商湯 AI 運算力望增至 30EFLOPS 美國限制晶片出口或改用中國產品頂上

    美國多次收緊人工智能( AI )晶片向中國出口的條件,令中國的人工智能運算能力受到一定限制。即使如此,商湯仍然預期公司整體運算能力繼續增加,兩年後從目前約 12EFLOPS 增至 30EFLOPS。商湯科技董事長和行政總裁徐立稱,之後會加碼採購中國產晶片。

    華為早佔國內商標 Vision Pro 國內推出或受阻

    Vision Pro 計劃今年內在更多地區推出 Vision Pro,而最近亦有人在 visionOS 1.1 更新的程式碼內,發現其虛擬鍵盤加入了對繁簡中文的支援,顯示 Apple 有意在中港台地區引進 Vision Pro。不過國內傳媒就發現 Vision Pro 在國內的商標原來被華為註冊了,令 Apple 在國內推出該空間運算裝置的計劃可能受阻。

    阿里雲、騰訊或不買 NVIDIA 特供 AI 晶片 寧改用土炮國貨

    NVIDIA 在主導全球 AI 晶片的地位,還特別為中國市場推出專用的 AI GPU 產品。不過據《華爾街日報》報道,中國大型公共雲公司阿里雲和騰訊測試過 NVIDIA 中國特供的 AI 晶片 H20 樣本後,均對這款降級產品不感興趣。這些公司或改買華為的昇騰,或自行研發 AI 晶片。

    百度擬向華為採購 AI 晶片 作為 NVIDIA 代替品用住先

    美國連番施壓,中國科技企業無法取得 AI 晶片。路透社有消息指,百度早前擬向華為購買昇騰晶片,支援運算AI工作負載。這消息反映美國的出口限制取得成效,迫使中國企業開始接受華為的國產貨,取代 NVIDIA 的 GPU 應付 AI 運算。

    華為雲 Web3 服務 區塊鏈節點引擎基建支援 DApp

    Web3 具有去中心化的特點,所建立的應用程式需要有相應的基建支援。華為雲設有 Web3 節點引擎服務(Web3 Node Engine Service),為自研的區塊鏈節點引擎平台,讓開發人員在此之上建立應用程式,簡化管理區塊鏈網絡、認證等,支援執行去中心化應用程式(DApp)。

    科大訊飛爆料 華為 AI 晶片可比 NVIDIA A100

    美國多番制裁華為,無阻後者開發技術,即使其久久未有公布 AI 晶片新產品,卻由合作夥伴爆出消息。科大訊飛創辦人劉慶峰在公開場合稱,華為的 GPU 能力已經跟 NVIDIA 的 A100 一樣。反映華為的 AI 晶片昇騰 910 無法生產之後,仍在研發技術。

    最新文章

    VMware Private AI 僅公共雲 1/3 成本 vGPU 規劃用盡運算資源

    VMware 去年發表的 Private AI Foundation with NVIDIA,至今年 5 月正式推出,迎上企業採用生成式 AI 熱潮。Broadcom 全球 AI 主管 Chris Wolf 表示,企業用 Private AI 建立 AI 運算基建,較在公共雲上執行的成本可低至僅約三分之一。其中 vGPU 為重要的技術,幫助企業分配 GPU,在訓練模型與推論生成式 AI 之間有效分配資源。