我這週讀到的... 1) Meta 將在其 AI 部門裁減約 600 個職位，這引發了人們對該公司是否在人工智慧方面退縮的困惑，正當其他大型科技公司卻在加碼。細節卻講述了不同的故事。 裁員主要影響了 Meta 的傳統 Facebook 人工智慧研究（FAIR）和基礎設施團隊，這些團隊在 6 月被整合到新成立的 Meta 超智能實驗室中，該實驗室是 Mark 為 143 億美元組建的。 Meta 超智能實驗室由四個小組組成： TBD 實驗室：負責管理 Meta 的大型語言模型，由 Alexandr Wang（前 Scale AI 的 CEO）領導。 FAIR：一個專注於長期 AI 研究的團隊，由 Rob Fergus（Meta 的 AI 研究總監）領導。 產品與應用研究：由 Nat Friedman（前 Github 的 CEO）領導的消費者整合團隊。 MSL 基礎設施：由 Aparna Ramani（Meta 的工程副總裁）領導的支持人工智慧模型的基礎設施團隊。 相比之下，TBD 實驗室的招聘仍在積極進行，該實驗室正在構建 Meta 的下一代基礎模型和代理系統。高管們將這次重組描述為朝著更小、更快的執行邁進，讓團隊能夠在公司內部更像初創公司運作。 “通過減少我們團隊的規模，做出決策所需的對話將會更少，” - Alexandr Wang，CAIO 2) Starcloud 正在準備於今年 11 月在軌道上部署 AI 數據中心容量，使用 NVIDIA H100 GPU 和利用太陽能的系統，充分利用太空的獨特優勢。 該項目旨在解決當前 AI 基礎設施中的三個關鍵瓶頸。 1. 能源消耗。當前訓練大型模型需要數十兆瓦，而地面電網加上冷卻限制造成瓶頸。Starcloud 通過利用豐富的陽光來改變這一動態，而不必擔心天氣變化。 2. 冷卻和熱管理。在地球上，數據中心依賴新鮮水源通過蒸發塔進行冷卻。在軌道上，太空的真空成為無限的熱沉，熱量通過大型可部署冷卻面板散發。 3. 地球觀測和衛星工作負載的數據本地性和延遲。Starcloud 計劃在軌道上處理傳感器數據（光學、超光譜、SAR）的早期用例，而不是將數TB的原始數據下行鏈接到地球。 ...