人工智能营销是一个骗局 - 尤其是在CPU方面

　　自从chatgpt推出以来 ，人工智能越来越多地在我们生活的更多领域中感受到了它的存在 。根据您的看法
，这是一个大糟糕的柏忌，它的工作是从事工作并造成广泛的版权 ，或者有可能将人类迅速发展为启蒙时代的礼物
。 　　从Midjourney和LLM到智能算法和数据分析，许多人都取得了成就
，这是根本无法激进的。这是一项技术，就像大多数基于硅之前的突破一样 ，它背后具有很大的效力 。它可以做很多好事
，但也可以做很多恐惧，很多坏。这些结果完全取决于如何操纵 ，管理和监管
。 　　当时
，鉴于AI迅速强行进入时代精神，技术公司及其销售团队同样倾向于技术 ，将其各种迭代塞入其最新产品中
，这一切都为了鼓励我们购买硬件。 　　你可能喜欢 　　笔记本电脑处理器比以往任何时候都好，但我仍然不给＆lsquo; ai pcs＆rsquo;- 你也不应该 　　这些天为什么在所有事情中都有AI？您需要了解的关于世界的最喜欢的流行语 　　从新颖到滋扰：AI革命没有人想要的 　　查看这款新的AI动力笔记本电脑 ，该笔记本电脑利用AI将CPU超频到极限
，这些新网络摄像头采用AI深入学习技术 。你明白了
。您只知道，从硅谷到上海 ，股员和公司高管都在问他们的营销团队“我们如何将AI纳入我们的产品？ ”在下一个CES或下一个Computex时，无论该价值实际上对我们的消费者来说都是多么适度。 　　我最大的Bugbear是由AMD
，Intel和Qualcomm等最新一代CPU的形式出现的 。现在，这些势力不好的产品 ，而不是远射
。高通在台式机和笔记本电脑芯片市场中取得了巨大的飞跃
，而且英特尔和Amd＆rsquo的最新芯片的性能也不会令人印象深刻。一代人，我们看到了更高的性能得分 ，提高效率
，更广泛的连接性，较低的潜伏能力和荒谬的功率节省（在这里看着您 ，Snapdragon）
，包括一系列创新的设计变化和选择 。对于我们大多数人来说，它的魔力超出了基本的0和1
。 　　尽管如此 ，无论是否为产品添加了任何有用的东西
，我们仍然会掌握所有内容。我们在芯片中添加了新的神经加工单元（NPU），这些神经处理单元（NPU）是旨在加速可以利用AI的低级操作的协同处理器 。然后将它们放入低功率的笔记本电脑中 ，从而使它们可以使用高级AI功能，例如Microsoft of Copilot Assistant勾选AI复选框
，就好像它对主要基于云的解决方案有所作为
。 　　但是，当涉及AI时 ，CPU性能并不重要。就像非常微不足道的那样
，这一点甚至没有轻微相关 。它就像试图通过一瓶可乐和一些Mentos推出NASA的JWST太空望远镜。 　　如今，所有事物都为此提供了动力（图片来源：未来） 　　皇帝的新衣服？ 　　我花了上个月的时间测试了一系列笔记本电脑和处理器 ，特别是关于如何处理人工智能任务和应用程序
。使用Ul＆rsquo的Procyon Benchmark Suite（3D Mark系列的制造商）
，您可以运行其计算机视觉推理测试，并且可以为您吐出一个不错的数字 ，为您提供每个组件的分数。Intel Core i9-14900k？50 。AMDRyzen 9 7900x？56
。9900X？79（顺便说一句
，这一效果提高了41％，Gen-On-Gen ，非常巨大）。 　　不过
，这里的事情是：通过相同的测试将GPU Chuck Chuck Chuck Chuck，例如NVIDIA的RTX 4080 SUPER ，并且得分为2,123 。与Ryzen 9 9900X相比，这一表现的增长了2,587％
，而且甚至没有使用Nvidia和Rsquo os Rsquo os tensorrt SDK的得分甚至高于此
。 　　此事的简单事实是，AI要求并行处理性能 ，而没有什么比目前的图形卡更好的了。埃隆·马斯克（Elon Musk）知道这一点；他刚刚在最新的AI训练系统中安装了100,000个Nvidia H100 GPU 。这是一个超过10亿美元的图形卡中的单个超级计算机
。 　　被云所掩盖 　　为了增加对伤害的侮辱
，如今绝大多数流行的AI工具都需要云计算才能充分发挥作用。 　　LLMS（大型语言模型），例如Chatgpt和Google Gemini ，需要太多的处理能力和存储空间
，因此无法在本地机器上运行它们 。即使是Adobe＆rsquo的生成填充和AI智能过滤器技术，最新版本的Photoshop都需要云计算来处理图像
。 　　大型语言模型只需要太多的处理能力才能在您的家庭装备上运行 ，对不起（图片来源：Google） 　　确实不可行或不可能运行这些AI程序中的绝大多数
，这些程序今天在您自己的家用机器上如此受欢迎。当然有例外；某些AI图像生成工具在独奏机上可以更容易操作，但是您仍然可以在99％的用例中使用云计算来处理它 。 　　该规则的一个大例外是本地化的升级和超级采样。Things like Nvidia’s DLSS and Intel’s XeSS, and even to a lesser extent AMD’s own FSR (although this is predominantly based on deep-learning models, applied via rasterization hardware, meaning you don’t need AI componentry) are fantastic examples of a good use of localized AI.否则 ，您基本上是不幸的
。 　　然而
，我们仍然在这里。再过一周，另一台由AI驱动的笔记本电脑 ，另一个AI芯片，我认为
，其中大部分一无所有 。 　　您可能也喜欢... 　　Google的AI概述全球化是全球化的，希望没有提出岩石的建议 ，Meta最终用其下一代猎户座眼镜打破了Google Glass诅咒？AI不是问题
，但根据AI的一位教父，监管可能是一个很大的问题