至顶网服务器频道 10月31日 新闻消息(文/刘新萍):2017年10月26日,在华为云中国行.西安站,华为云IaaS服务以全新的视角解读关键计算能力,旨在帮助大中型企业关键应用上云。
华为云异构计算首席架构师罗浩在大会上谈到:"在Cloud 1.0时代,中小型企业和互联网企业对上云需求迫切。经过这几年的发展,云计算已进入Cloud 2.0时代,越来越多的大中型企业对上云提出了要求。华为云拥有丰富的云产品实例家族,强大的异构计算解决方案,有信心帮助大中型企业将关键应用搬迁上云。"
罗浩向大家讲解介绍云1.0到云2.0的转变
构建异构计算,使能人工智能
近期AlphaGo Zero以100:0大败阿尔法狗再次引爆业界对人工智能的讨论,人工智能突出应用在图形图像处理和科学计算领域,华为云针对这些领域推出异构计算新实例和解决方案,旨在帮助客户在人工智能领域不断取得新的突破。
主打虚拟图形工作站的G2实例,基于NVIDIA? Tesla? M60 GPU卡,提供专业级图形、3D负载处理能力。
集成NVIDIA? Tesla? P4的GPU加速实例PI1适用于硬解码、低延时的AI深度推理,支持最高达22TFLOPS INT8运算能力,Tesla P4配备硬件加速解码引擎,能对多达35路高清视频流进行实时转码和推理。
基于NVIDIA最新Volta架构Tesla V100的最新GPU加速云服务实例--P2,单颗GPU单精度计算能力达到14TFLOPS,比上一代GPU提升50%,NVIDIA为Tesla V100精心打造了Tensor Core核心,计算能力达到了惊人的112TFLOPS,在AI领域的性能是上一代Tesla P100的3倍。
另外,华为云还推出了FP1实例,基于Xilinx公司目前最先进的16nm Virtex? UltraScale+? VU9P FPGA,这一高性能的硬件可以支持高带宽的Mesh互联结构。FP1实例支持两种X86与FPGA的交互框架:一是自研的高性能框架,可满足用户高带宽低时延的要求;二是通用的Xilinx SDAccel交互框架,基于Xilinx的解决方案,并配套相关驱动和Runtime。
在生态合作方面,华为云异构计算服务联合30多家合作伙伴推出异构计算云端解决方案并已覆盖基因测序、视频编解码、金融风控、人工智能、图片处理和大数据分析等领域,面向更多行业提供高性价比可重构加速解决方案。
异构计算为油气勘探行业定制云端解决方案,实现完美上云
针对油气勘探行业的大中型企业,超强的计算能力和数据处理能力已成为迫在眉睫的需求,不断增长的数据量以及业务处理的高效率都对传统的高Capex 计算方式发起了挑战。油气勘探部分计算业务上云便成为最佳的选择,但同时也面临着如下挑战:
1. 数据的安全性,目前一些国家/地域对数据的安全性要求非常高
2. 高速增长的数据量,需要安全可靠的数据传输和数据存储
3. CPU性能落差和计算能力的需求越来越明显
4. 超强的图像处理和3D渲染能力
针对这些痛点,华为云异构计算服务在计算、网络、存储方面提供了全套的解决方案:
针对海量数据,华为云提供数据快递服务,使用高速Internet传输1/5的费用实现了10倍以上的速度提升,同时支持数据加密传输,安全可靠。华为云可靠性高达 99.999999999% 的对象存储服务为客户提供了更可靠的数据存储,同时还提供低频/归档存储服务,且费用低至0.033元/GB/月。
在计算方面,华为云使用了业界领先的GPGPU 提供计算加速,目前已经发布的P1实例使用了Tesla P100 GPU卡,即将发布的P2 实例更是使用了NVIDIA 最新发布的Tesla V100 卡,提供极致的计算性能。
对于图形渲染需求高的业务,华为云提供了数据中心级的Tesla M60 GPU卡,同时我们还提供了基于自研HDP协议的云桌面Workspace解决方案,高清、安全!
本次华为云中国行.西安站,华为云推出了油气勘探行业云解决方案。未来,华为云异构计算将与产业伙伴广泛开展深度合作,帮助客户实现商业成功。十一月底,华为云将在北京举办计算服务领域的专题发布会,敬请期待。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。