實體: OpenAI
所有提到 OpenAI 的 AI 新聞與動態。
-
安迪·賈西表示，亞馬遜的 Nvidia 對手晶片已經成為數十億美元的業務
亞馬遜執行長安迪·賈西（Andy Jassy）在 AWS re:Invent 會議上宣佈推出新一代 AI 晶片 Trainium3，其效能比現有的 Trainium2 提升四倍，同時功耗更低。賈西表示，Trainium2 業務已具備顯著動能，成為數十億美元營收規模的業務，目前已有超過一百萬顆晶片投入生產，超過十萬家公司使用它作為 Bedrock 工具的主要選擇。Bedrock 是亞馬遜的 AI 應用程式開發工具，允許公司從多種 AI 模型中進行選擇。賈西認為亞馬遜的 AI 晶片在價格與效能方面具有優勢，能為客戶帶來更好的體驗和更低的成本。亞馬遜執行長馬特·加曼（Matt Garman）在採訪中透露，客戶 Anthropic 是該業務的重要貢獻者。加曼提到，亞馬遜與 Anthropic 合作推出了 Project Rainier 專案，該專案已部署超過五十萬顆 Trainium2 晶片，用於協助 Anthropic 的 Claude 模型開發。Project Rainier 是亞馬遜最雄心勃勃的 AI 伺服器叢集，分佈於美國多個資料中心，於十月上線。亞馬遜是 Anthropic 的主要投資者，作為交換，Anthropic 將 AWS 選為其主要的模型訓練合作伙伴，儘管 Anthropic 的模型現在也透過微軟雲和英偉達的晶片提供服務。OpenAI 同樣使用 AWS，但由於其執行在英偉達晶片上，對 Trainium 營收貢獻有限。文章指出，僅有少數美國公司如谷歌、微軟、亞馬遜和 Meta 擁有與英偉達競爭所需的工程能力，包括晶片設計、高速互連和網路技術。英偉達曾在 2019 年以高出價收購 Mellanox，掌握了關鍵的高效能網路技術。此外，基於英偉達晶片的 AI 模型和軟體依賴其專有的 CUDA 軟體架構，這使得開發非 CUDA 晶片的應用變得困難。儘管如此，亞馬遜計劃推出 Trainium4，使其能在同一系統中與英偉達 GPU 互操作。亞馬遜可能已從 Trainium2 獲得數十億美元營收，且下一代晶片將更優越，這足以讓其在雲服務市場中保持競爭力。
-
Anthropic 聘請律師備戰 IPO
英國《金融時報》報導，Anthropic 正準備進行首次公開募股，時間可能早至 2026 年。公司已聘請律師事務所 Wilson Sonsini 協助啟動相關流程，並正在進行內部檢查清單以應對可能成為史上最大 IPO 之一的挑戰。據傳，Anthropic 正尋求籌資，目標估值可能超過三百億美元。此前，Anthropic 於九月宣佈籌資十三億美元，當時其估值為一千八百三十億美元。Wilson Sonsini 自 2022 年起便擔任 Anthropic 的顧問。此訊息與 OpenAI 的動態同步，該公司估值為五百億美元，據傳也在測試 IPO 可行性並進行相關準備，但尚未公佈上市日期。路透社指出，雖然 Anthropic 已與投資銀行進行洽談，但尚未選定承銷商。
-
AWS 加大對自有 LLMs 的投入，推出簡化模型創建功能
亞馬遜雲服務（AWS）在 AWS re:Invent 會議上宣佈推出更多企業級工具，旨在簡化自訂大型語言模型（LLMs）的構建與微調過程。此次更新涵蓋 Amazon Bedrock 與 Amazon SageMaker AI 的新功能，其中 SageMaker 引入了無伺服器模型自訂能力，開發者無需擔心計算資源或基礎設施即可開始構建模型。此功能支援自導式點選操作或代理導向體驗，後者允許開發者使用自然語言提示 SageMaker AI。該功能目前處於預覽階段，適用於自訂 Amazon Nova 模型及特定開源模型，包括 DeepSeek 與 Meta 的 Llama。此外，AWS 還在 Bedrock 中推出強化微調功能，開發者可選擇獎勵函式或預設工作流，由 Bedrock 自動完成整個模型自訂流程。 此前，AWS 執行長 Matt Garman 在演講中宣佈 Nova Forge 服務，提供自訂 Nova 模型，年費為 10 萬美元。針對企業客戶希望透過自訂模型建立差異化的需求，AWS 強調自訂模型能最佳化品牌與特定使用場景。儘管 AWS 目前使用者基礎尚未大規模擴張，一項由 Menlo Ventures 於七月進行的調查顯示，企業更傾向於使用 Anthropic、OpenAI 和 Gemini 等競爭對手模型。然而，隨著自訂與微調能力的提升，AWS 有望在競爭中取得優勢。此次會議重點聚焦於前沿 LLM 與模型自訂技術，展現 AWS 在企業 AI 領域的戰略佈局。
-
亞馬遜以自建 NVIDIA「AI 工廠」挑戰競爭對手
亞馬遜於週二宣佈推出名為"AI 工廠"的新產品，允許大型企業和政府在其自有的資料中心執行其 AI 系統。根據亞馬遜雲服務（AWS）的說法，客戶提供電力和資料中心，AWS 則部署 AI 系統、進行管理，並可將其與其他 AWS 雲端服務整合。此舉旨在滿足那些重視資料主權或希望絕對控制資料、防止其落入競爭對手或外國敵對勢力手中的公司與政府需求。部署本地 AI 工廠意味著資料不會被傳送到模型製造商，甚至不會共享硬體。這個產品名稱讓人聯想到英偉達（Nvidia）的硬體系統，後者也提供從 GPU 晶片到網路技術等執行 AI 所需的工具。事實上，AWS AI 工廠是與英偉達的合資合作，該系統將結合 AWS 與英偉達的技術。採用這些系統的企業可以選擇英偉達最新的 Blackwell GPU 晶片，或亞馬遜的新 Trainium3 晶片。該系統使用 AWS 自有的網路、儲存、資料庫和安全性功能，並可接入 Amazon Bedrock AI 模型選擇與管理服務，以及 AWS SageMaker AI 模型構建與訓練工具。有趣的是，AWS 並非唯一安裝英偉達 AI 工廠的巨型雲端供應商。今年十月，微軟展示了其首批將在全球資料中心執行的 AI 工廠，用於處理 OpenAI 的工作負載。當時微軟未宣佈這些極端機器將可供私有雲使用，而是強調其依賴英偉達 AI 工廠資料中心技術來構建和連線其新的"AI 超級工廠"，即正在威斯康星州和喬治亞州建設的最新一代資料中心。上月，微軟還概述了將在當地國家建設的資料中心和雲端服務，以解決資料主權問題。雖然微軟的選項也包括"Azure Local"，即其可安裝在客戶站點的自有管理硬體，但 AI 導致最大雲端供應商如此重資投入企業私有資料中心和混合雲，這有點諷刺，彷彿回到了 2009 年的情況。