至顶网服务器频道 05月11日 新闻消息: 5月9-11日,2017 GPU技术大会(GTC17)将在美国圣何塞举行。本届大会设置深度学习与人工智能、自动驾驶与无人车、VR与AR、计算机与机器视觉等12大核心议题,开设654场小型研讨会,有799位嘉宾将分享他们在GPU各个应用领域的心得与经验。
大会现场
据悉GTC17大会期间,浪潮将联合NVIDIA发布最新一代强大的的AI超级计算机,并将是本届大会在人工智能领域最具看点的新品之一。同时,作为铂金赞助商,浪潮还将现场展示SR-AI整机柜、NX5460M4、NF5280M5等多款面向人工智能应用的服务器,以及AI Station深度学习管理系统、T-Eye训练调优工具和并行深度学习框架Caffe-MPI等融工具、管理与框架于一体的强大AI软件平台。
浪潮为GTC17的铂金赞助商
GPU密度最高的SR-AI整机柜
浪潮在4月26日的IPF2017上与百度联合发布的SR-AI整机柜,是目前业界集成度最高的GPU Box。该产品是全球首个采用PCIe Fabric互联架构设计的AI方案,通过PCI-E交换机和I/O BOX两个模块的配合,GPU和CPU物理解耦池化,二者灵活配置,可实现支持16个GPU的超大扩展性节点,最大支持64块GPU,比一般的GPU服务器方案性能提高5-10倍,可支持千亿样本、万亿参数级别的模型训练。
在IPF2017上发布的SR-AI整机柜服务器
企业级AI刀片服务器NX5460M4
NX5460M4是一款面向企业级AI设计的GPU刀片节点,单节点可支持2块GPU卡,单系统可根据实际需求部署8-24个节点,具备极高的可扩展性并支持多种外形、散热和电源设计方案,单一I/O通道交换速率高达100Gbps,而集中管理和无电缆设计则可以有效降低OPEX(运营成本)。
在IPF2017上发布的SR-AI整机柜服务器
通用高扩展性AI服务器NF5280M5
NF5280M5是浪潮新一代旗舰双路服务器,将支持2U4卡的GPU异构方案,采用新一代CPU平台,性能提升得到大幅提升。同时,NF5280M5拥有目前业界最高的可扩展性设计,可支持24块2.5"硬盘和24条DDR4内存,并凭借优化的散热系统和模块化设计,在有限的空间内展现了高效可靠、智能高扩展特性。
提供更高效生产力的AI平台软件
AI Station是浪潮自主研发的人工智能深度学习管理系统,面向深度学习训练集群,可以支持多种深度学习框架,能够快速部署深度学习训练环境,全面管理深度学习训练任务,为深度学习用户提供高效易用的平台。
T-eye是浪潮自主研发的应用特征分析软件,主要用于分析AI应用程序在GPU集群上运行时对硬件及系统资源占用的情况,反映出应用程序的运行特征、热点及瓶颈,从而帮助用户对应用程序算法作出针对性的调整优化。
Caffe-MPI是浪潮开发的全球首款高性能MPI集群版的Caffe深度学习计算框架,在伯克利caffe架构的基础上,采用MPI技术对Caffe予以数据并行的优化,实现了多机多卡的并行计算,可部署到大规模训练平台上完成对大规模数据样本的训练。新版本的Caffe-MPI充分发挥了Nvidia最新的CUDNN性能并实现高性能扩展。
GPU17大会现场
此外,在大会期间,浪潮集团副总裁胡雷钧将做"浪潮AI端到端解决方案"的主题报告,并举行"SR-AI整机柜在深度学习上的应用与示范"、"浪潮Caffe-MPI的优化"等现场报告。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。