ARAMCO CEO said replenishing inventories while meeting demand could take up to two years.

大衆汽車在公佈第三季度交付量後，股價上漲1.4%。

人工智能研究員內森·蘭伯特在其Interconnects通訊中寫道：AI訓練和推理棧的很多環節都是高度可驗證的。訓練指標比如每GPU每秒token數，本質就是訓練速度。推理指標則是每prompt的token數、每token的FLOPs，說到底就是每個答案的成本。這兩塊都非常可優化，尤其是有成熟的子問題和架構權衡可以利用。我預計幾年內AIagent會幫助端到端優化整個流程，讓我們的推理能力逼近GPU這類加速器的底層算力上限。過去幾年，各家在推理效率上的收益已經很大了——比如模型以某個定價發佈後，還能再省下10–30%的服務成本。整個棧會持續複利，我預計未來幾年模型智能的有效成本會近乎指數級下降（可能比近期趨勢更快）。 這些效率方面的低垂果實，幾年內就能摘完。更長期的是加速器與模型的協同設計，時間線更長，能在靈活的GPU平臺之上再帶來幾個數量級的效率提升。在效率快速提升的這段時間裏，GPU的靈活性會是好事，因爲架構層面的探索空間很重要，是自動化研究的一個主要槓桿。在我看來，預訓練研究（至少是服務於當前這類模型的架構和數據選擇）2–3年內實現自動化，這個預測是合理的。