近日,曙光XMachine深度学习专用服务器成功中标滴滴出行项目。这是国内首个基于NVIDIA全新PASCAL架构的项目,同时也是曙光深度学习平台助力我国交通出行领域从数字时代跨入智能时代的全新力作。
让出行更加“聪明”
人工智能技术进步正驱动交通出行向互联网化和智能化方向发展。据权威机构最新报告显示,深度学习和其它机器学习技术将给汽车和运输行业带来巨大变化。到2030年,这些进步产生的价值将达到1万亿美元。滴滴出行是全球领先的一站式多元化出行平台,在中国400余座城市为4亿用户提供全面出行服务,选择优异的深度学习技术将有效帮助滴滴出行提升用户体验,让出行变得更加“聪明”。
“通过‘深度学习’影响更多人的生活是曙光一直以来的追求。”曙光公司高性能产品事业部总经理曹振南说,“曙光XMachine深度学习专用服务器,将为滴滴出行在语音、安全以及智能交通等方面的发展提供动力,通过技术共享助力滴滴出行打造一站式智能出行服务平台,为用户带去更好的出行体验。”XMachine深度学习专用服务器是曙光公司XSystem深度学习整体解决方案的重要组成部分,集高性能、高密度与高可靠性于一身,可帮助用户快速进入深度学习领域。
“XMachine系列产品是专为深度学习领域推出的GPU服务器产品,目标覆盖深度学习主流市场,可以搭载NVIDIA最新型号的GPU产品。”曹振南介绍道,综合计算需求和散热条件,此次滴滴选用XMachine W580-G20作为深度学习计算节点,整机采用Intel芯片组设计,系统支持4颗NVIDIA Tesla P40/P100,配合专业的散热通道设计,可以保证散热性和稳定性,极大地降低机器噪音。
满足多项应用需求
滴滴出行是国内最早将人工智能应用于出行场景的公司之一,对深度学习技术有迫切的需求。“曙光XMachine深度学习系统,可作为滴滴在机器学习、计算机视觉、数据挖掘、人工智能、最优化理论等研究的强大平台支撑。” 曹振南说,“整个深度学习计算集群单精度浮点运算值接近3.5PFlops,XMachine深度学习系统将成为滴滴的‘最强大脑’。”
数据显示,在出行高峰时段,滴滴每分钟要处理3万多个乘客订单,新建的深度学习计算平台将在智能语音、人像认证、智能交通方面三方面助力滴滴平台的性能升级,从而进一步提高其运营效率。
滴滴全平台订单日均超过2000万,单日语音播报数亿次,通过曙光深度学习系统神经网络训练的文字语言转化技术能够将用户需求精准的传递到司机,为滴滴提供语音引擎和智能语音技术;通过“人脸识别”、“声纹识别”等生物识别技术对司机身份信息进行二次确认,将有效加强用户乘车安全性,同时保障司机的身份信息、财产安全;值得一提的是,滴滴正大力研究的智能交通项目也将通过深度学习计算平台得到进一步发展。
创造“深度”价值
此次中标滴滴出行,离不开曙光在高性能计算领域20余年的相关经验。通过运用大数据驱动的深度学习技术,曙光公司将助力解决中国用户的出行和环保挑战,提升用户体验、创造社会价值,建设高效、可持续的移动出行新生态。同时,作为NVIDIA在中国区最重要的战略合作伙伴,本次合作成就了中国首个采用最新Tesla P40/P100计算卡的千万级交付案例,对加强与各级政府、制造商、科研机构等之间的多方合作,打造智能交通生态具有重要意义。
“2016年是曙光深度学习产品茁壮成长的一年。” 曹振南说,“深度学习作为大数据时代背景下一种新的数据处理方式,代表着未来的发展方向。曙光将通过自身的技术优势与金融、医疗、教育等更多的行业深化合作,为企业提供定制化的深度学习产品和解决方案,让深度学习创造‘深度’价值。”
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。