经济信息联播
@eco_cn · Post #29932 · 16.03.2026 г., 02:09
亚马逊云服务与芯片初创公司 #Cerebras 达成多年合作，将在数据中心联合部署Cerebras与自研Trainium芯片，提供高速AI推理服务。 Cerebras芯片推理速度号称比英伟达GPU快25倍，此次合作有助于其触达大量云端客户。
Hashtags
TGTGInsighttelegram intelligenceLIVE / telegram public index
TGINSIGHT SIMILAR POSTS
Најди сличен содржај
Изворен канал @pythonotes · Post #32 · 7 фев.
Скорее всего уже слышали, что складывать строки через + это плохая практика. Падение производительности, и всё такое. Без лишних слов, давайте измерять: from timeit import timeit def t1(): # складываем 10 строк через + из переменной t = 'text' for _ in range(1000): s = t + t + t + t + t + t + t + t + t def t2(): # склеиваем список строк через метод join arr = ['text'] * 10 for _ in range(1000): s = ''.join(arr) def t3(): # складываем через + но не из переменной а непосредственно инлайн объекты for _ in range(1000): s = 'text' + 'text' + 'text' + ... # всего 10 раз Теперь каждую строку склейки запустим по 10М раз >>> timeit(t1, number=10000) 0.21951690399964718 >>> timeit(t2, number=10000) 1.4978306379998685 >>> timeit(t3, number=10000) 0.2213820789993406 Хм, а нам говорили что через "+" это плохо и медленно ))) 😁 Тут стоит учитывать, что речь идёт о склейке множества длинных строк. Давайте изменим условия: def t4(): t = 'text'*100 for _ in range(1000): s = t + t + t + t + t + t + t + t + t def t5(): arr = ['text'*100] * 10 for _ in range(1000): s = ''.join(arr) def t6(): for _ in range(1000): s = 'text'*100 + 'text'*100 + ... # всего 10 раз >>> timeit(t4, number=10000) 12.795130728000004 >>> timeit(t5, number=10000) 2.642637542999182 >>> timeit(t6, number=10000) 0.2184546610005782 Вот, уже другой разговор, сразу видна разница, в среднем в 6 раз. Но погодите, почему последний тест t6() по скорости такой же как и t3()? Ведь строки теперь в 100 раз длиннее! Это вопросы оптимизации кода, какие простые изменения ускоряют или замедляют выполнение программы. Мы столкнулись с примером обхода обращения к переменной. Например, именно так работает директива #define в С++, во время компиляции подставляя значение переменной вместо ссылки на неё. В Python это тоже работает, но часто ли вы сможете встретить такой способ работы со строками? К сожалению, способ почти только теоретический. В целом, тесты показали то, что мы хотели. Делаем выводы самостоятельно. Полный листинг 🌍 #tricks
Резултати
Пронајдени 6 слични објави
Пребарај: #cerebras
当前筛选 #cerebras清除筛选
ИИ AI Нейротех | Искусственный Интеллект
@the_ai · Post #514 · 16.11.2022 г., 05:33
⚙️Cerebrasразработала ИИ-суперкомпьютер Andromeda вычислительной мощностью 1 экзафлопс. Машина доступна для коммерческого и академического использования. Система состоит из 16 серверов CS-2, построенных на крупногабаритном чипе Wafer-Scale Engine 2, с 13,5 млн ядер. Для сравнения самый большой суперкомпьютер в мире Frontier имеет 8,7 млн ядер. Кластер управляется 284 процессорами Gen AMD EPYC третьего поколения. 💰 По данным компании, стоимость создания Andromeda составила $35 млн в отличие от $600 млн, потраченных на разработку Frontier. #Cerebras#суперкомпьютер
Hashtags
Закиев Василь. (AI)ron manager
@zvasilchannel · Post #1800 · 09.08.2025 г., 13:19
GPT станет намного быстрее и дешевле. Потому что от обычных видеокарт, не предназначенных изначально для работы GPT, перейдут на специальные чипы. GPU лучше работают для графики, ML. Они универсальны, но у больших LLM с ними боль: модель не влезает в одну видеокарту и приходится разделять её по нескольким видеокартам, а это жутко замедляет работу. Cerebras решает проблему созданием специализированного чипа размером с пиццу со сверхбыстрым доступом к общей памяти. Модель целиком ложится в общую память MemoryX, и куча сипов ведут себя как единый супер-процессор. Такие специализированные чипы выигрывают на больших моделях: – веса огромные; – алгоритмы стабильные; – нужна память с большой пропускной способностью и низкой задержкой; – энергоэффективность важнее универсальности. Результаты: прирост скорости работы LLM на порядок, снижение стоимости скорее всего тоже на порядок, но пока Cerbras дает по API сравнимые с обычными поставщиками цены. 💭 Мнение: в гонке LLM такие чипы будут съедать кусок рынка у GPU, оставив им обучение и тестирование принципиально новых моделей, видео, звук и картинки, потребительский рынок и нерегулярные задачи. Более того, когда такие чипы начнут проектироваться самими LLM – начнут появляться ещё более специализированные чипы, которые будут крутить модели ещё быстрее и дешевле. #ИИ#cerebras#чипы === У нас нет cerebras, но есть подписка на телеграм-бота, который создает мероприятие в календаре, когда отправляешь ему переписку с коллегой или пост из event-чата: https://gorkakit.com/
NEWS 鏈新聞-ABMedia
@abmedia_news · Post #24351 · 04.05.2026 г., 14:01
【🤖 AI 人工智慧｜輝達挑戰者 Cerebras 擬以 400 億估值上市，背後仍是台積電 5 奈米】 #Cerebras#TSMC#NVIDIA Cerebras 啟動 IPO 路演並與 OpenAI 合作，計畫在 2026 年部署 750MW 系統。 WSE-3 晶片由台積電代工，推動 2025 年營收倍增至 5.1 億美元並實現獲利。惟中東客戶貢獻 86% 營收，且核心本業仍有 1.459 億美元營業虧損。 📍閱讀全文： https://abmedia.io/tsmc-cerebras-nvidia-cbrs-ai-chip 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io
NEWS 鏈新聞-ABMedia
@abmedia_news · Post #24641 · 16.05.2026 г., 06:31
【💰 交易市場｜分析指出美放寬輝達對中出口限制、Cerebras股價續航動能面臨挑戰】 #Cerebras#NVIDIA#IPO Benzinga 分析指出，Cerebras（CBRS）掛牌首日從 185 美元飆至 350 美元、漲幅近 90%，但獲利結構存疑。 招股書顯示 2.378 億美元 GAAP 淨利主要來自 G42 遠期合約清償，實際營運虧損 1.459 億美元，MBZUAI 與 G42 合計貢獻 86% 營收。黃仁勳川習會後輝達獲准對中銷售 H200，資金若轉向龍頭，CBRS 續航動能恐受壓。 📍閱讀全文： https://abmedia.io/cerebras-stock-forward 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io
NEWS 鏈新聞-ABMedia
@abmedia_news · Post #24459 · 08.05.2026 г., 09:00
【🤖 AI人工智慧｜VacEck 研究主管解析：為何估值昂貴，我仍看多輝達挑戰者 Cerebras IPO】 #Cerebras#VanEck#NVIDIA VanEck 研究主管 Matthew Sigel 指出，Cerebras 擬以最高 125 美元股價推進 IPO，募資規模達 35 億美元。 該公司手握 OpenAI 逾 200 億美元長約，晶圓級晶片推理速度較領先 GPU 快 15 倍。雖然估值達 2025 年營收 52 倍，但龐大合約剩餘履約義務已定下成長基本盤。 📍閱讀全文： https://abmedia.io/vaneck-sigel-cerebras-ipo-openai 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io