9月27日,中科曙光联合量子网络在国际通信技术展上重磅发布基于量子通信的云安全一体机QC Server,这标志着国内信息系统领军者曙光已正式入局量子通信领域。
这一讯息被业界认为是曙光公司立足前沿、围绕先进计算持续发力的又一举措,在既有超算技术优势的基础上,进而完善其在信息产业全面布局、深度参与的版图。
“高性能计算(HPC)、神经形态计算(NC)、量子计算(QC)被誉为通向未来人工智能的三个重要途径。其中量子信息研究的突破可能会导致信息计算的革命性变化,同时也会深刻影响人工智能技术的迅猛发展。”曙光公司副总裁曹振南表示,进入智能时代,中科曙光将以深厚的计算技术积淀和卓越的超算部署能力,不断为人工智能(AI)提供最优的计算方案。
HPC与AI相辅相成
“人工智能算法对计算能力的要求很高,以往依靠单机计算、裁剪数据样本建模的做法不可能实现人工智能今天的成就。”曹振南介绍说。
“比之其他算法,深度学习对并行计算、单位时间数据吞吐能力有更高要求——而这正是HPC的标配”。曹振南表示,HPC的很多算法,跟深度学习与人工智能是一样的。随着GPU/FPGA以及人工智能芯片的发展和其在HPC系统的集成,HPC计算平台更加适用于快速计算和处理海量数据。
曹振南透露,在我国信息技术发展史上,HPC与AI曾经同源。上世纪90年代,基于863计划,中科院计算所成立“智能中心”,研究开发智能计算机。早期研究“智能计算”的专家们,在研究中深刻体会到需要更高性能的“计算”才能支撑“智能”,中国也是在那时开启了向HPC进军的历史进程。
“计算平台和人工智能的发展相辅相成。不同的AI应用场景对应着不同的计算需求,需要不同架构的超算平台来支持。”曹振南认为,正是领先的致力于计算力提升的企业砥砺前行、不断突破,让计算力成本平价化,才使得AI算法突破了计算力的束缚,基于人工智能的模型才更容易实现。“中科曙光着力提供各场景下可定制化的AI超算平台,向需要AI应用的不同行业赋能。”
更聪明的计算
发展至今,人工智能相比以往将更接近人类智能的形态存在。“国务院发布《新一代人工智能发展规划》,其中‘新一代’即为AI2.0时代。”曹振南表示,AI2.0未来将紧密融入人们生活,甚至扩展成为我们身体的一部分,为生活、生产等提供更多帮助,在越来越多的专门领域接近甚至超越人的能力。
曹振南指出,AI的终极目标是模拟人脑。“人脑虽然在计算速度上不如机器,但在理解能力、创造能力、能耗比等许多方面远超电脑系统。如何通过模拟人脑,开发出更强大的人工智能系统,是世界科技前沿的一大研究方向。这其中,设计和开发可匹配的计算平台,也是非常重要的部分——模拟人脑的AI需要更高、更聪明的计算力。”
据了解,中国“脑计划”经过三年多酝酿,已经作为重大科技项目被列入“十三五”规划。早在2015年,中国科学家就对脑科学与类脑研究在中国“一体两翼”的部署达成初步共识。其中,“通过计算和系统模拟推进人工智能的研究”即为“两翼”中的“一翼”。
“中科曙光时刻准备着为新一代的AI提供更聪明、更强大的计算能力。”曹振南表示,目前中国已在下一代计算——E级计算方面开展了研制。E级计算不仅将提供更快的计算速度,还将在计算架构、计算性能等多方面实现革新性进步。“届时E级计算机或可成为AI模拟人类大脑的关键计算平台,充当AI的‘超级大脑’。”
从HPC到量子计算,中科曙光在计算领域不断开拓新域。对此,曹振南称,“中科曙光不满足于成为国内乃至亚洲的HPC市场供应的领先者,还致力于成为计算技术变革的驱动者,曙光愿意与行业的前瞻者一道,在计算领域不断探索,让计算变得更聪明。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。