至顶网服务器频道 04月22日 新闻消息(文/邹大斌): 我们生活在一个数据洪流的时代,谁能善加利用这些数据,谁就更有可能赢得竞争优势,也更有可能屹立于时代的潮头。在这样一个数据洪流时代,英特尔要扮演一个重要赋能者,让更多的人能更好的、更容易地利用好这些数据,这是近年来英特尔一直不断对外强化的信息。为此,英特尔要成为一家以数据为中心的公司,数据也正在成为英特尔所有战略的核心。日前,英特尔在京举办了主题为“数造未来,IN无止境”的2018媒体“纷享会”活动,会上英特尔再次重申对数据的关注,并首次提出“自能”的概念,宣布要携手行业合作伙伴一起解锁数据价值,帮助用户变数据势能为创新动能。
英特尔公司全球副总裁兼中国区总裁杨旭表示:“今年是英特尔成立50周年,也是英特尔扎根中国33年,继往开来,我们共同走进新时代,要与中国共赢数据未来。”
“数据正在重塑世界。英特尔不断推动计算创新,解锁数据的价值,释放创新的潜能。”杨旭表示。
杨旭以几个“前所未有”来总结了英特尔重点关注的创新领域:
1. 以前所未有的方法探索自然和宇宙。利用英特尔的创新技术进行太空研究、水资源检测、极地动物和海洋生态等最具挑战性的科研难题。
2.以前所未有的形式呈现更多精彩。从奥运会等体育赛事到顶级电竞、从经典戏剧等文化娱乐到自动驾驶,英特尔凭借创新技术以及非凡的想象力和创造力让更多精彩以前所未有的形式呈现。
3. 以前所未有的方式改变生命和健康。英特尔和数字医疗行业的专家伙伴长期合作,解决基因和大脑研究等世界难题,并大幅提升医疗诊断水平,预测流行疾病,定制个性化治疗方案。
4. 以前所未有的变革驱动产业智能升级。随着科技和产业的融合走向深入,人工智能、5G、物联网、边缘计算等创新技术加速了新一轮产业变革。英特尔突破性的技术得到广泛应用,带动着工业、制造、金融、消费等各行业的智能升级。
5. 以前所未有的跨度迈向自能的世界。通过英特尔的技术实现自能零售、自能出现/自动驾驶、自能制造/智能生产线、自能服务等。
大会上,英特尔还第一次提出“自能”这个新概念。称这是继“智能”之后对数据加工处理和分析能力的再次提升,也是人工智能最具挑战性的应用场景。
根据英特尔的说法,随着人工智能、物联网、传感器等技术的融合应用及进一步发展,越来越多无人干预的机器设备和应用场景成为可能,“自能(Autonomous)”正带动新一轮创新发展趋势。这个“自能”的世界是一个更加以人为本的世界,人制定规则与愿景,而机器延伸了人、增强了人、解放了人,从而达到“自能”的境界,实现“自能”的目标。
“自能是不再依靠人介入来满足人需要,机器自己能够自主地去完成。”英特尔公司市场营销集团副总裁、中国区市场部总经理张怡璠解释说。比如,无人商店为代表的“自能零售”、自动驾驶为代表的“自能出行”、智能生产线为代表的“自能制造”,智能仓储为代表的“自能物流”等就是英特尔在“自能”方面的一些探索。
张怡璠特别强调,“自能”前提是首先要实现“互联”,然后实现“智能”,最后才是“自能”,这是三个不同的阶段。
根据杨旭的介绍,英特尔在携手合作伙伴一起迈向“自能”世界过程中,主要聚焦于以下三个方面:一是引领人工智能与“自能”革命;二是提供全球领先的端到端平台提供者;三是生产世界上最好的芯片,持续推动摩尔定律。显然,英特而全面而整合的产品实力是这一切的基础。
英特尔市场营销集团副总裁兼英特尔中国区总经理王锐告诉记者,在传统领域,包括客户端、数据中心等领域英特尔具有明显的技术和品牌优势,这对于开拓新兴领域(比如人工智能、量子计算等)是非常有利的。“一方面,通用芯片在完成AI任务时如果优化效率会高很多;另一方面,我们也希望通过统一架构来简化用户的开发和维护。”
目前,英特尔的产品已经覆盖客户端与通信、物联网、自动驾驶(Mobileye)、数据中心与网络、新技术、存储解决方案、可编程解决方案等产品线。值得一提的是,英特尔不止是布局当下还为未来布局,比如人工智能、5G、自动驾驶、物联网、神经元计算、量子计算等。据悉,英特尔已研发出首款自主学习神经拟态测试芯片Loihi,并完成了制造和封装;交付了49量子位超导量子测试芯片,并在300毫米制程上发明了自旋量子位制造流程。
大会上,王锐还分享英特尔在能源、医疗、零售等行业为如何以数据驱动技术创新,携手合作伙伴改变我们各行各业和日常生活,最终践行从“智能”到“自能”的飞跃。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。