Le Wuwen Core Dome a récemment reçu des centaines de millions de yuans d’investissements de série A, notamment Baidu, Tencent, Zhipu AI, etc. Wuwen Xinqiong est une plate-forme d’optimisation collaborative logicielle et matérielle de grand modèle, qui vise à résoudre le problème du déploiement efficace et unifié d’algorithmes de modèle à grande échelle sur des puces de puissance de calcul à grande échelle, et à construire une plate-forme d’optimisation conjointe M×N algorithme-puce pour les modèles à grande échelle, dans laquelle la couche M prend en charge une variété d’algorithmes de modèle à grande échelle et la couche N connecte une variété de puces informatiques à grande échelle, afin d’améliorer l’efficacité du déploiement des modèles à grande échelle sur les plates-formes de puces nationales et d’obtenir un déploiement « efficace » et « unifié » sur différentes puces domestiques.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Baidu, Tencent et d’autres startups de mannequins à grande échelle ont investi dans Wuwen Xinqiong
Le Wuwen Core Dome a récemment reçu des centaines de millions de yuans d’investissements de série A, notamment Baidu, Tencent, Zhipu AI, etc. Wuwen Xinqiong est une plate-forme d’optimisation collaborative logicielle et matérielle de grand modèle, qui vise à résoudre le problème du déploiement efficace et unifié d’algorithmes de modèle à grande échelle sur des puces de puissance de calcul à grande échelle, et à construire une plate-forme d’optimisation conjointe M×N algorithme-puce pour les modèles à grande échelle, dans laquelle la couche M prend en charge une variété d’algorithmes de modèle à grande échelle et la couche N connecte une variété de puces informatiques à grande échelle, afin d’améliorer l’efficacité du déploiement des modèles à grande échelle sur les plates-formes de puces nationales et d’obtenir un déploiement « efficace » et « unifié » sur différentes puces domestiques.