AI芯片

Mistral 目前在算力上高度依赖英伟达，不过也在进行一些自研芯片探索。

FuriosaAI 表示其芯片架构针对 AI 计算的数学核心进行了优化，将内存访问视为首要任务，专注于高带宽数据传输和大规模张量运算。

有消息人士称这笔交易将帮助字节跳动将已完成的内部芯片设计转变为生产就绪的半导体。

LPX 的设计目标是低延迟和高 Token 速率，但吞吐量和容量都比较低，更适合软件编程场景的上下文处理。

这一架构以 3D DRAM 为核心，首创 3.5D 异质异构集成方案，可基于国内领先供应链规模化量产。

该 SoC 具有高集成度，能帮助客户降低 39% 的 BOM 成本、缩短 67% 的开发周期。

HTX301 采用 LISA 语言指令集架构，专注带宽密集型负载，6 芯单卡功耗 240W 可运行 700B 模型。

Fractile 的芯片采用了不同于现有主流 AI XPU 的“模拟内存计算”架构，宣称运行头部模型时可实现 25 倍的速度、1/10 的成本。

在近期推出的 TPU v8t 上，谷歌负责核心计算芯片的设计并协调 HBM 供应，这在节省计算芯片设计成本的同时也避免了博通“交钥匙”模式对 HBM 的加价。

Google Cloud 近期发布了 2 款第八代 TPU 新品，分别是侧重训练的 TPU 8t 和聚焦推理的 TPU 8i。