ZDNet至顶网服务器频道 04月08日 新闻消息:为解决越来越多的移动互联网业务所带来的日益突出的功耗问题,英特尔公司在今天举办的深圳英特尔信息技术峰会(Intel Developer Forum,IDF2015)上,携中国移动举办了主题为“携手绿色软件,共创应用无限”的媒体沟通会,分析了影响能耗的关键因素,全面介绍了开发绿色业务的相关知识,并提出减少能耗问题的办法。
在当今社会,智能手机和平板电脑已经成为人们日常生活中不可或缺的一部分。移动设备上的视频播放、游戏、收发邮件,手机拍照以及社交网络等应用已经占据了人们的大部分时间。同时,随着移动网络和智能手机发展的繁荣,各种各样的安卓、iOS应用程序也已经处于一个无休止的更新状态。知名咨询机构IDC预计,2015年中国智能手机出货量将接近5亿,达到美国的3倍。
随着消费者越来越多地依赖他们的智能手机和应用,他们对设备的期待也与日俱增,尤其是在用户体验方面。软件开发商、硬件厂商和通信运营商都在经历着为消费者提供出色的用户体验和越来越高的用户需求所带来的巨大挑战。然而不论是对智能手机还是平板电脑,用户都有一个普遍期待:延长设备的待机时间。
纵观手机硬件设备的发展,电池容量在不断地增加,而手机平均使用时长却没有得到明显的增长。究其原因,除了因为性能的提升,硬件平台会更加耗电外,应用程序复杂,以及不好的编程习惯带来的软件功耗问题也是根本因素。所以,要解决电池电量问题,提升用户体验,亟需找到降低应用功耗的方法。
快速增长的移动互联网业务产生的数据流量及信令也给运营商网络带来了巨大的压力。以中国移动为例,截止2014年,移动数据流量增长率已经达到115.05%。据思科发布的预测,2019年移动数据流量将达到2014年的10倍,在可见的未来移动应用将给无线网络带来巨大挑战,业界已开始重新思考无线网络如何应对移动互联网的爆发,同时应用软件也应当更加合理的使用网络资源进行数据传输。
面对应用行为对于客户端与服务器端能效的影响以及对于网络流量与信令的影响,中国移动与英特尔将共同制订绿色业务在英特尔架构下的开发指南,包括功耗与性能的联合优化,以及从客户端、通信网络到服务器的端到端优化;共同开发基于英特尔架构的自动化功耗分析工具,包括数据采集模块、自动测试框架和脚本、能效评价模块等;并希望将自动化功耗分析方法纳入中国移动业务平台的测试中体系,评估使用相关分析工具对中国移动业务平台中的应用进行功耗评级的技术可行性。
英特尔公司软件与服务事业部副总裁,合作伙伴关系部总监周丽芳表示:“为了让用户得到更好的体验,我们相信一个绿色的软件不应该只是在功能上具有完整性、稳定性以及吸引力,更应该是在应用程序功耗上具有绝对优势,延长智能设备待机时间以及降低设备所产生的热量。英特尔将和中国移动一起建立一个绿色社区,帮助整个行业深入了解终端、电池、网络及应用程序之间的关系,引领软件开发人员使用更高效,更友好的发展模式,共同宣传绿色软件的开发理念。”
中国移动首席科学家易芝玲博士表示:“中国移动在2011年10月成立了绿色通信研究中心,绿色业务的分析和优化正是中心重要研究方向之一。移动互联网改变了整个产业环境,海量的应用软件也给传统的运营商网络带来了巨大的挑战,指导开发者编写绿色高效的软件能够使整个云管端的资源得到有效利用。英特尔可以帮助我们研究业务能效的提升方法,更快地实现绿色业务与智能网络的和谐发展,并向整个软件行业和最终用户传播绿色应用的理念。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。