美国计划对中国的人工智能和超级计算机公司施加新限制，云计算公司将难以更新设备

美国计划对中国的人工智能和超级计算机公司施加新限制，云计算公司将难以更新设备新规则可能是拜登政府为阻止中国获得为数据中心和超级计算机提供动力的美国技术而采取的最全面的行动。据几位熟悉此事的人士称，拜登政府预计将宣布新的措施，限制中国公司获得实现高性能计算的技术，这是一系列旨在阻挠中国政府制作下一代武器和实现大规模监控系统自动化的野心的最新举措。这些措施可能最快在本周宣布，这将是拜登政府为切断中国获得先进半导体技术所采取的一些最重要的措施。这些措施将建立在特朗普时代的一项规则之上，该规则通过禁止世界各地的公司向其发送使用美国技术、机器或软件制造的产品，对中国电信巨头华为造成了打击。据两位知情人士透露，一些中国企业、政府研究实验室和其他实体预计将面临与华为类似的限制。实际上，任何使用美国制造技术的公司都将被阻止向政府所针对的中国实体进行销售。目前还不清楚哪些中国公司和实验室会受到影响。被称为外国直接产品规则的广泛扩展只是华盛顿计划中的限制措施的一部分。预计政府还将试图控制向中国国内半导体行业出售美国制造的尖端工具。这些人说，华盛顿还计划限制美国制造的微芯片出售给中国最强大的超级计算和数据中心项目。这种限制最终可能会抑制主要学术机构以及阿里巴巴和腾讯等互联网公司获得他们建立领先的数据中心和超级计算机所需的零部件的能力。随着时间的推移，随着超级计算机性能水平的提高，该上限可能会严重阻碍中国发展强大的数字计算技术的能力，这种技术构成了一系列领域创新的基石，包括生物科学、人工智能和导弹工程。路透社早些时候报道了对芯片和芯片制造工具的限制。熟悉讨论的几位人士说，拜登政府还在准备一项行政命令，允许政府审查美国公司在国外的投资是否存在国家安全风险，并考虑采取其他措施，这些措施可能适用于中国存储芯片制造商长江存储技术公司（YMTC）。——

中国计划2025年智能算力占比达到35%

中国计划2025年智能算力占比达到35%中国官方六部门联合印发文件，制定算力基础设置发展目标，计划到2025年智能算力占比达到35%。据央视新闻报道，中国工业和信息化部、中共中央网信办、中国教育部、中国国家卫生健康委、中国人民银行、中国国务院国资委等六部门近日联合印发《算力基础设施高质量发展行动计划》。《计划》制定了到2025年的主要发展目标，并提出完善算力综合供给体系、提升算力高效运载能力、强化存力高效灵活保障、深化算力赋能行业应用、促进绿色低碳算力发展、加强安全保障能力建设六个方面重点任务。在计算力方面，《计划》提出到2025年，中国的总算力规模超过300EFLOPS，智能算力占比达到35%。EFLOPS指的是每秒浮点运算次数，用于测量计算机的速度。根据《计划》，中国将在全国范围内建设更多算力中心等算力基础设施，向社会提供服务。《计划》的另一个重点是提高网络传输效率，做到关键枢纽节点内重要算力基础设施间时延不高于5毫秒。Source:ViaHuaHua投稿：@ZaiHuaBot频道：@TestFlightCN

中国计划重点攻克人工智能等四类关键核心技术

中国计划重点攻克人工智能等四类关键核心技术中国计划重点任务攻克四类关键核心技术，包括基础技术、先进工艺技术、共性技术以及人工智能。据路透社报道，中国工业和信息化部等八部门昨天（28日）联合印发“十四五”智能制造发展规划，重点任务攻克四类关键核心技术，包括基础技术、先进工艺技术、共性技术以及人工智能等在工业领域的适用性技术。工信部称，要加强自主供给，壮大产业体系新优势。大力发展智能制造装备，主要包括四类：基础零部件和装置、通用智能制造装备、专用智能制造装备以及融合了数字孪生、人工智能等新技术的新型智能制造装备。规划提出了到2025年的三项具体目标：转型升级成效显著。70%的规模以上制造业企业基本实现数字化网络化，建成500个以上引领行业发展的智能制造示范工厂。制造业企业生产效率、产品良品率、能源资源利用率等显著提升，智能制造能力成熟度水平明显提升。供给能力明显增强。智能制造装备和工业软件技术水平和市场竞争力显著提升，市场满足率分别超过70%和50%。培育150家以上专业水平高、服务能力强的智能制造系统解决方案供应商。基础支撑更加坚实。建设一批智能制造创新载体和公共服务平台。构建适应智能制造发展的标准体系和网络基础设施，完成200项以上国家、行业标准的制修订，建成120个以上具有行业和区域影响力的工业互联网平台。发布：2021年12月29日7:14AM

OpenAI 和微软计划耗资 1000 亿美元，打造人工智能超级计算机数据中心项目

OpenAI和微软计划耗资1000亿美元，打造人工智能超级计算机数据中心项目微软和OpenAI正打算搞个大动作，他们计划投资超过1150亿美元建个超级大的数据中心，放一个主打AI的超级计算机，内部代号叫“Stargate”。这玩意儿计划用上百万个GPU，成本可能是现在最大的数据中心的100倍那么贵，目标是2028年搞定投入使用。他们还想在2026年先弄个成本低一点的第四阶段系统。由于这超级计算机电力需求巨大，微软和OpenAI还在考虑可能得用到核能这种大招。他们也在头疼怎么把这么多GPU塞进一个机架里，同时还得想办法让它们不那么热。线索：@ZaiHuabot投稿：@TNSubmbot频道：@TestFlightCN

人工智能、数据中心和云计算的背后：不断变化的服务器业务

人工智能、数据中心和云计算的背后：不断变化的服务器业务那就是：印刷电路板（PCB）、无源元件、电缆、电源、硬盘驱动器和放置它们的机架，我们应该加上网络，它的成本可能比所有其他元件都要高，但我们还是留到下次再说吧。那么，谁来销售所有这些设备，价值又从何而来？特邀作者乔纳森-戈德堡（JonathanGoldberg）是多功能咨询公司D2DAdvisory的创始人。这里有两类供应商--原始设备制造商和原始设计制造商--我们不打算拼写首字母缩略词，因为这实际上会混淆视听。一般来说，原始设备制造商拥有品牌和最终客户关系。原厂委托设计代工提供采购和制造，即所有设备的实际生产和组装。在两者之间，设计和系统集成领域有相当多的重叠，重要的是，原始设备制造商和原始设计制造商之间的界限是模糊的，在许多领域都有很大的交叉。一段历史。20世纪90年代，随着个人电脑制造商将生产基地从美国转移到亚洲，这种模式应运而生。个人电脑品牌，即原始设备制造商将业务外包给主要位于台湾的合同制造商。这些公司在台湾生产设备，后来大量转向中国。随着时间的推移，合同制造商向价值链上游移动，增加了设计能力。合同制造商变成了原始设计制造商，然后其中许多公司分拆成独立公司，销售自己的品牌产品，成为自己的原始设备制造商。这种模式逐渐演变成今天大多数大批量电子产品的生产方式。服务器的发展速度略有不同。这些产品的产量较低，价格较高，因此OEM（品牌所有者）可以更长时间地保留设计功能（有时是制造功能）。多年来，原始设备制造商与英特尔公司合作设计了一系列服务器。然后，他们将这些产品销售给客户。虽然它们提供各种配置，但这些基本上都是目录系统--客户从可选项中挑选。十余年后，云改变了这一切。最关键的是，公共云提供商（又称超大规模提供商）开始主导市场，不仅集中了经济实力，还集中了技术能力。随着时间的推移，超大规模企业在很大程度上摒弃了原始设备制造商，直接与原始设计制造商合作，采购他们自己设计的系统。如今，原始设备制造商主要包括惠普、戴尔和联想。原始设计制造商有数百家，但最大的都在台湾，包括仁宝、富士康、英业达、广达和纬创。这些公司都非常多样化，在供应链中分布着数十家子公司。此外，还有一些其他委托设计代工公司，它们往往专注于特定的利基市场，例如时下的热门股超微公司（SuperMicro），它们的专长是GPU服务器。如今，超大规模企业与其他所有人之间存在着鸿沟。试想一家大型企业，如银行、快餐连锁店或汽车制造商，他们可能仍然希望拥有自己的服务器，甚至数据中心。他们将与原始设备制造商合作，后者将为他们提供可供选择的系统目录。然后，原始设备制造商通常会充当系统集成商的角色--与所有供应商合作采购零部件、组装印刷电路板，然后将所有设备连接在一起并安装软件。原始设备制造商在这里扮演着重要的角色，因为很多采购决策都是由他们做出的。相比之下，超大规模企业运营着数十个数据中心。他们的业务建立在巨大的规模经济基础上，如果能降低5%的服务器成本，就能节省数亿美元。除此之外，他们还拥有集中的技术人才。简单地说，他们有能力雇用团队来设计针对其特定需求进行优化的服务器。而其他大公司则没有这样的团队，也不需要这样的团队，只是运营规模不同而已。然后，超大型企业直接与原始设计制造商合作，由后者收集所有组件，组装系统并布线。在这里，几乎所有组件的购买决定都是由最终客户做出的。这给所有元件供应商带来了一个大问题。试想一家芯片供应商。他们需要说服客户购买他们的芯片，但客户要的不是芯片，而是一个完整的工作系统。在他们同意任何大额订单之前，客户会希望测试该系统，确保它能很好地运行他们的软件。因此，芯片供应商必须与OEM或ODM合作设计该系统。而这些设计是要花钱的。一个由5-10人组成的团队需要一两个月的时间来布置一切、验证性能并确保固件和软件的兼容性。然后，还得有人购买元件来制造一些原型。这些成本增加得很快，每个系统动辄几十万，通常达到七位数。因此，芯片供应商在销售单个芯片之前，必须投入大量资金。客户都希望服务器尽可能接近他们的需求，这意味着必须有人生产多个版本的服务器，因此成本会急剧上升。而这一切，都要在人们知道该平台的销售情况之前。这个问题越来越严重。当只有英特尔和AMD在销售服务器CPU时，供应链的决策空间有限，而且都是成熟的供应商。而现在，CPU设计者多达十几家，组合难度大大增加。任何想进入人工智能加速器市场的人都必须面对所有这些成本。而对于较小的供应商来说，他们必须非常谨慎地对待自己的赌注。投资于热门芯片的支持，回报可能是巨大的，但投资于错误的平台，回报则是巨大的损失。在向超级计算机销售时，问题就更加突出了。他们需要的远不止几个原型。他们有严格的测试周期，从十几个系统到几百个系统，再到几千个系统。他们可能会为此付费（也可能不付费），但任何设计芯片的公司都需要比这更大的产量，才能证明测试系统的成本是合理的，更不用说整个芯片的成本了。当然，也有各种各样的计划来实现这些方面的标准化。开放计算项目的核心任务是实现服务器设计的标准化。虽然开放计算项目为业界做出了一些重大贡献，但我们认为没有人会将其描述为通用标准。所有这些都将变得更加复杂。数据中心日益多样化，从纯CPU到异构计算，这迫使所有供应商（不仅仅是芯片设计商）开始承担一些重大风险。许多厂商会追逐每一笔交易，其他厂商则可能会重蹈覆辙，专注于AMD、英特尔以及现在的NVIDIA。聪明的厂商会采取投资组合的方式开展业务，并以类似对冲基金经理或风险投资者的方式监控自己的选择。我们无意危言耸听，这在很大程度上是电子产品周期性的自然规律。随着时间的推移，该行业将找到一些新的平衡点，但未来几年将更加混乱。...PC版：https://www.cnbeta.com.tw/articles/soft/1428135.htm手机版：https://m.cnbeta.com.tw/view/1428135.htm