俯卧撑

巨头密集加码！光互连成算力核心赛道_我的网站

A |     7月22日，中际旭创（300308.SZ）启动港股招股，预计募资545亿港元，用于光互连产品研发、全球产能扩充等。7月15日，仕佳光子（688313.SH）披露28亿元定增预案，拟募资加码光互连组件建设等项目。光互连，这个一年前还略显生僻的技术词汇，正成为算力产业链最拥挤的赛道之一。    IT之家 7 月 21 日消息，科技媒体 The Decoder 昨日（7 月 20 日）发布博文，报道称谷歌 DeepMind 发布 GenCeption 模型，将预训练的视频生成器重新用于深度估计和分割等经典计算机视觉任务。         热潮背后，是AI（人工智能）产业演进带来的刚性需求。随着AI步入推理时代，万亿参数大模型持续迭代、超节点建设周期开启，光互连技术具备高带宽、低功耗、高并行、可拓展等优势备受关注。

B |          IT之家援引博文介绍，大语言模型在学习预测下一个 Token 的时候，在训练过程中往往需要吸收语法、世界知识和上下文关系等内容。

C | 当前国产光互连生态正在结盟产业链上下游厂商，上市公司也持续加码硅光赛道。         但是在计算机视觉领域，视觉模型缺少等效的训练方法，主要由专业模型主导，包括用于分割的“Segment Anything”和用于深度估计的“Depth Anything”，每个模型都使用其特定的架构。         谷歌 DeepMind 团队为此提出 GenCeption 模型方案，尝试将一个“生成视频”的 AI 模型逆向改造成一个能“理解世界”的视觉分析引擎。         GenCeption 打破了传统计算机视觉“一个任务一个专用模型”的格局，仅凭单一模型就能同时做好深度估计、图像分割、3D 姿态估计、表面法线预测和相机姿态估计等核心视觉任务。         GenCeption 基于阿里巴巴开源视频模型通义万相 Wan2.1 系列训练，与传统扩散模型需多步去噪不同，GenCeption 在一次前向传播中完成预测，从而提升视觉任务处理速度。模型通过文本提示指定任务，可输出深度图、表面法线图、分割掩码，并可处理相机运动表示。         训练数据以合成为主。论文称，数据集仅包含 7500 段视频，由 800 个数字人体模型与 200 段动作捕捉序列组合生成，再通过 Blender 在不同背景和镜头角度下渲染。         泛化方面，GenCeption 几乎只在单人合成视频上训练，但可处理真实多人视频，也可迁移到动物和类人机器人类别。

D | 论文称，部分输出细节甚至超过训练时 Blender 渲染结果，可保留猫胡须和单根发丝边缘。         性能方面，论文给出两组处理时间数据：小模型处理 81 帧视频约需 6 秒；大模型参数量为 140 亿，处理同样长度视频约需 10 秒。         参考。

Current article:http://vn2.panningbuquanchencaibingzhang.cyou/zdi6u9/rrz1i9b.html

Published on:07:47:38