8月16日至18日,2016年IDF (Intel Develop Forum,英特尔开发者大会) 将在美国旧金山举行,浪潮将作为金牌赞助商参加这次大会,向美国及国际同行展示浪潮的最新技术成果。
IDF金牌赞助代价不菲,浪潮为什么要重金押注呢?浪潮集团副总裁彭震道出了原委:浪潮对于IDF的一贯重视,体现了浪潮与Intel持续开展技术创新的态度和诚意,同时也希望借助这个国际化的平台,让海外市场能够更方便、更直接的了解浪潮,开展沟通与合作。
山姆大叔真识货
2015年IDF,浪潮作为银牌赞助商参加。浪潮展出的InCloud Rack云一体机是大会上惟一一个基于最新RSA架构(Rack Scale Architecture)的机柜式服务器,在2到8路混插、分布式网络方面具有独到之处。
这一产品的推出引起了美国同行的注意。Facebook、Twitter硬件架构师、微软硬件架构总监、IBM院士纷纷来到浪潮展区交流。
IDF2015浪潮InCloudRack首次亮相
美国无疑是全球市场的战略高地。其中,北美服务器市场占据全球的40%,美国互联网规模全球第一、增速全球第二。浪潮服务器被百度、阿里大量采用,而百度、阿里在美国上市,浪潮曾经在本土服务的客户也已经成为了一张张说服美国客户的国际名片。
携重器再访旧金山
2016年美国IDF,浪潮将带到旧金山的有三大重点:一是发布一款超融合产品;二是浪潮集团副总裁胡雷钧将在IDF分论坛作《KNL and FPGA for Deep Learning》的主题报告;三是重点展出一系列针对美国市场开发的服务器产品。
届时,浪潮将会携手一位重量级合作伙伴发布超融合架构产品,具体的发布细节尚处于保密状态。
关于主题报告,“人工智能与深度学习”是2016年IDF的大主题。浪潮的深度学习解决方案已经百度的超级大脑、科大讯飞的语音识别等众多互联网公司的平台业务中得以应用。浪潮集团副总裁胡雷钧将会结合当前流行的计算架构KNL和FPGA,提出了深度学习平台架构建设的思路,分享浪潮在这些方面的应用案例。浪潮又将提出怎样的深度学习平台构建方案,这值得我们关注。
此外,作为进军美国市场的重要行动,浪潮将展出专门针对美国市场开发的产品,例如,1U规格的存储高密度服务器。针对大规模数据中心、基于融合架构2.0的SmartRack新节点也是第一次亮相。
延伸阅读:浪潮在2016 IDF的展示产品和解决方案
NF5166M4 1U双路机架服务器:NF5166M4双路机架服务器实现了在1U的狭小空间内容纳12块3.5英寸硬盘,并支持120T海量存储空间,成为业界存储密度最高的服务器。
I9000融合架构刀片系统:I9000融合架构刀片系统继承了传统刀片服务器高密度、低功耗、易维护、易管理的特点,支持2/4/8路堆叠,是业界唯一实现单刀箱双8路的刀片服务器。
Smartrack 4.5整机柜服务器:基于融合架构2.0,实现从IT外围资源集中管理,到内部资源的重构和池化,BBS后备电池节点供电效率相较传统UPS大幅提高,降低了数据中心成本。
InCloudRack云一体机:InCloudRack是专为私有云应用开发的一体机系统,通过内置云海OS 4.5实现各类虚拟资源的池化和自动调度,兼容常见的各类异构云计算平台。支持灵活的Scale-Out、Scale-Up多选择扩展。
浪潮悄然换上西装
在一部分人心目中,浪潮的形象就是常上央视、专注服务器、强调自主知识产权的公司形象。
实际上,浪潮是国内为数不多的长期坚持走技术路线的企业级IT厂商。仅在2015年,浪潮申请并受理专利3500项,其中发明专利2870项;参与制定国际标准3项,国家标准36项;同时,浪潮也是全球第五家具备关键应用主机研制能力的企业。浪潮同期的市场表现也是可圈可点,据Gartner最新数据显示,八路服务器连续十个季度市场第一;四路服务器连续两个季度全球市场第一。
如今,浪潮有了不错的技术储备和业务积累,全球化技术布局正在加速。浪潮业务已发展到全球102个国家和地区,在美国、英国、俄罗斯、印度、南非等26个国家设立分公司及办事处,已经具备了海外交付、服务支撑能力。
也许,2016年IDF,浪潮将再次让业界为之一振。以此为契机,海外市场将带给浪潮更多收获,浪潮也将带给海外市场更多的期待和惊喜。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。