看美女
英伟达洽谈投资Perplexity,企业估值或超300亿美元
据知情人士透露,英伟达正洽谈对 AI 初创企业 Perplexity 进行股权投资,本轮融资完成后这家 AI 公司估值或将超过 300 亿美元。 知情人士称,本轮融资规模达数十亿美元,相比该公司一年前上一轮融资,估值增幅将超过 50%。两家企业的业务合作持续深化;得益于 AI 智能体产品Perplexity Computer(面向职场用户、可自动化电脑操作),Perplexity 年化营收从年初不足 2.5 亿美元攀升至 7.5 亿美元以上,上述信息来自两名了解交易内情的人士。 两名熟悉谈判的消息人士表示,作为芯片巨头布局自研 AI 模型与配套软件的一环,英伟达早先方案是斥资数十亿美元,获得 Perplexity 部分技术授权,同时雇佣该公司部分员工。目前尚不清楚谈判为何转向传统股权投资模式。 多年以来,英伟达扮演着 AI 初创行业 “中央银行” 角色,向数十家采购、租用其明星 AI 芯片的企业投入巨额资金。英伟达此前已经对 Perplexity 完成多笔投资。英伟达首席执行官黄仁勋在采访中表示,自己日常就把 Perplexity 作为常用对话机器人。 英伟达已经投入数百亿美元,围绕芯片、网络、数据中心企业开展投资与合作,以此巩固自身在 AI 硬件领域的统治地位。而近期,它开始通过技术授权、团队收购初创公司,补强自家 Nemotron 大模型及其他产品矩阵。 上周,英伟达一笔 60 亿美元交易引发行业热议:交易对象是成立三年、多次转型业务方向的初创企业 Poolside。英伟达计划收购 Poolside 超过 100 名员工,其中包含刚刚发布开源权重大模型 Laguna 的研发团队。除此之外,英伟达还将向 Poolside 投资 10 亿美元,交易前估值 120 亿美元。 一名知悉内部沟通的人士透露,英伟达向 Nemotron 团队表示,收购 Poolside 旨在加快、优化 Nemotron 系列模型的研发;但这批新员工具体如何并入组织架构尚未敲定。 在这一轮 AI 浪潮早期,Perplexity 就是风险资本追捧的明星公司。早在 ChatGPT 接入网页搜索功能之前,Perplexity 就已经推出 AI 搜索引擎。后续它持续拓展产品线,推出 Perplexity Computer,对标 OpenAI、Anthropic 新品以及 OpenClaw 这类开源工具。 英伟达也自主开发了一款类似 OpenClaw 的免费工具,面向 AI 应用开发者开放。 今年 3 月,Perplexity 加入英伟达的Nemotron 联盟,该联盟旨在协助英伟达迭代开源大模型。知情人士称,两家公司代表每周开展多轮会晤,在软硬件层面协同研发。过去一年,英伟达大力推进 Nemotron 开源模型项目,Nemotron 联盟正是该战略的组成部分。 尽管 Nemotron 系列开源模型会和英伟达大量现有客户形成竞争,但英伟达认为这一步必不可少,以此对冲中国开发者开源大模型带来的竞争压力。英伟达认为,向应用开发者提供西方阵营的开源大模型,会进一步拉动对英伟达硬件的需求。 大力布局开源大模型,也让英伟达自身成为自家芯片的超级大客户;未来数年,英伟达计划投入数百亿美元,通过 Lambda、亚马逊以及其他英伟达芯片采购厂商租用英伟达服务器算力。 若本次交易落地,Perplexity 将获得更充足资金缓冲,为未来几年潜在 IPO 上市铺路。首席执行官阿拉温德・斯里尼瓦斯在接受 采访时,表示公司考虑将 2028 年作为上市时间窗口。 除搜索引擎、Perplexity Computer 之外,Perplexity 也对外售卖第三方开源与闭源大模型调用接口,现已跻身头部 AI 初创企业行列。熟悉该公司经营情况的人士称,其毛利率维持在 60% 的原有水平(该公司毛利率此前曾引发行业讨论)。 这家成立四年的企业并不从零训练自研大模型;其业务逻辑是根据任务类型,智能调度选择最合适的外部大模型来处理 AI 请求。Perplexity 计划采用英伟达 Vera 中央处理器运行 AI 智能体查询任务;该公司此前也已经和 CoreWeave 签署芯片采购协议,CoreWeave 是英伟达重点加持的上市云服务器厂商。 迄今为止,Perplexity 累计融资超过 17 亿美元,投资方包括英伟达、新企业联合(NEA)、阿克塞尔合伙(Accel)、软银等机构。

hf下载全攻略:Hugging Face模型与数据集高速下载
在人工智能开发领域,「hf下载」几乎是一个每天都会被搜索的高频词。这里的 HF 指的是 Hugging Face,全球最大的开源 AI 模型与数据集托管平台。无论是想在本机运行一个开源大语言模型,还是想获取一份公开语料做微调,第一步往往都是把仓库从 Hugging Face 拉回本地。但受网络链路影响,国内用户直连时经常遇到速度只有几十 KB/s、clone 到一半中断、大文件反复重试等问题,因此「怎样又快又稳地完成 hf 下载」成了刚需。
目前最值得推荐的 hf 下载方式是官方命令行工具。先执行 pip install -U huggingface_hub 安装依赖,再用 huggingface-cli login 填入访问令牌,随后执行 huggingface-cli download 仓库名 --local-dir 目标目录,即可把整个仓库拉到本地。相比直接 git clone,命令行工具会自动处理大文件分片与 LFS 指针,并支持 --include 与 --exclude 按文件名过滤,只取自己需要的那几个权重文件,避免动辄几十 GB 的无效流量。
如果直连速度仍不理想,可以从两个方向提速。其一是镜像站:把环境变量 HF_ENDPOINT 指向国内可用的镜像地址,再次执行下载命令时流量会改走镜像,通常能明显改善连通性;其二是启用 hf_transfer 后端,安装该库后设置 HF_HUB_ENABLE_HF_TRANSFER=1,下载会改用多线程分块传输,在带宽充足的环境下提升尤其明显。此外,下载命令本身支持断点续传,网络中断后重新执行同一条命令即可从已完成的文件继续,不必从头再来。
除模型外,数据集同样能通过 huggingface-cli download 获取,指定 --repo-type dataset 即可;私有仓库则需要令牌具备相应权限,否则会返回 401 或 403。实际使用中最常见的几类问题包括:连接超时,多为链路问题,换镜像或代理即可;下载到一百多字节的 LFS 指针文件,说明大文件拉取失败,建议改用命令行工具重新下载;磁盘空间不足导致中断,大模型解压后的体积往往是压缩包的两倍以上,务必提前预留空间。排查时加上 --debug 参数可以看到更详细的请求日志。
下载完成后,建议核对文件完整性:仓库页面通常会列出各文件的体积,也可以用 sha256 与页面上给出的哈希值比对,避免因传输中断拿到损坏的权重。存储方面,建议按「模型名/版本」的目录结构统一管理,并为缓存目录(默认位于用户主目录下的 .cache/huggingface)预留足够空间,必要时通过 HF_HOME 把缓存迁移到大容量磁盘。最后提醒一句:进行 hf 下载时请留意模型的开源许可证与使用条款,商用之前确认授权范围,避免后续的合规风险。
瑞幸咖啡:捐赠500万元 驰援甘肃及青海地区地震灾区 下载说明
基于的视频内容平台,持续更新海量资源库,涵盖多种类型的视频内容。用户可通过简单操作快速访问所需内容,同时享受高清无卡顿播放体验。。本站所有资源均经过安全检测,下载后请使用解压工具打开,安装过程中如遇问题可参考下方相关推荐,或前往“十四五”主要指标进展总体符合预期(锐财经)查看详细教程。
更多关于 6分钟人性短片视频 的内容,请访问 打造的一站式视频内容平台,汇聚全网优质资源与热门视频合集。系统持续更新内容库,支持高速播放与多线路解析,提升整体观看体验,让用户随时随地畅享精彩内容。 获取最新版本。本站每日更新 7 条资源,欢迎收藏本页面。





