2018年4月26日,以“聚浪成潮 致新志远”为主题的2018浪潮云数据中心全国合作伙伴大会IPF(Inspur Partner Forum)将在北京雁栖湖国际会展中心举行,届时将有数千名ISV、SI、CSP等不同行业领域的企业高管、海内外技术专家参加会议。
浪潮云数据中心合作伙伴大会(IPF2018)将于北京雁栖湖盛大召开
IPF合作伙伴大会是浪潮的年度盛会,不仅有新战略的宣布,还有创新产品的亮相。与以往不同,今年浪潮已经步入业务发展的新格局。2015年浪潮提出的5年进入全球前三的增长目标,已经在2017年提前3年实现。浪潮完成了从中国第一向全球领先厂商的蜕变。
“聚浪成潮”目前已“潮已成势”。2018年,浪潮与伙伴“势在必行”,将共同创造新的格局,开启全新的时代,推进五年全球第一的“新”目标。“新”成为了本届IPF的关键词。
人工智能作为一项对人类社会变革带来深远影响的技术,正在呈现新思路、新格局。随着算法的日趋复杂与数据的持续增长,人工智能的下一个重大突破越来越依赖于计算技术的进步,提供计算力服务的公司在未来产业格局中的地位和价值将更加重要。
在过去的一年中,无论是产品技术创新,还是加速AI赋能行业,乃至全球AI生态推动等领域,浪潮都取得了重大突破。与百度联合发布的面向更大规模数据集和深层神经网络的超大规模AI计算模块——SR-AI整机柜服务器,与NVIDIA联合发布的超高密度服务器AGX-2,以及新型AI加速计算产品GX4。这些产品完整覆盖从单机4卡到64卡集群的不同AI计算平台,可支持从小规模的样本训练到千亿样本、万亿参数级别的超大规模模型训练,能够满足AI云、深度学习模型训练和线上推理等各类AI应用场景对计算架构性能、功耗的不同需求。同时,浪潮也发布了人工智能深度学习训练集群管理软件AIStation和Teye计算框架分析工具,并持续更新集群版开源深度学习框架Caffe-MPI。
浪潮构建全球最丰富的AI计算平台
今年,浪潮AI将全面升级,提供一系列AI计算力的核心价值与能力,驱动一个可进化的智能世界的蓬勃发展。
IPF也是业界重要的创新成果交流平台,参会者将了解到最新的技术发展趋势。2018年,浪潮将继续聚焦智慧计算业务战略,在本届大会集中展示智慧计算的创新成果。
浪潮将与合作伙伴展出语音识别、超大规模深度学习训练、超融合架构等最新的技术、产品和解决方案,还会联合合作伙伴发布语音识别一体机等一系列联合方案。
除此之外,本次大会将有在AI、开放计算、咨询机构等领域的国内外大咖助阵,OCP开放计算社区CTO以及比亚迪、滴滴等企业负责人将就车联网、自动驾驶、智慧交通等技术话题进行演讲,分享实用经验。
在过去的16个季度中,有10个季度浪潮增速全球第一。目前浪潮已经有了相对完善的全球化布局,要保持当前的高速增长,浪潮需要构建海外市场的竞争力,因而,浪潮在2018年将进一步升级全球化战略。
另外,市场增长继续分化,CSP群体采购保持稳健,云、大数据、人工智能等新兴应用发展迅速。如何抓住市场新兴机会,是浪潮保持增长需要解决的第二个问题。
这些问题和挑战都将会对浪潮的伙伴政策产生深远影响,因而,IPF18浪潮新的伙伴政策将值得大家关注。
直播链接:
https://ipf-inspur.issmart.com.cn/web/fontend/minisite/inspur/index.html?channel_link_id=1079218&utm_campaign=IPF%E6%B5%AA%E6%BD%AEminisite&utm_source=%E5%85%B6%E4%BB%96&utm_medium=%E4%BB%98%E8%B4%B9%E5%AA%92%E4%BD%93
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。