5月3日,曙光公司在寒武纪科技2018产品发布会上,同步推出搭载寒武纪云端智能芯片MLU100的服务器产品系列“PHANERON”,先人一步将最新的智能“芯”能力推向广泛的市场应用,为曙光先进计算阵营再添新军。
曙光发布全新PHANERON系列
PHANERON是全球首款基于寒武纪芯片的AI专用服务器产品。2017年11月,曙光基于寒武纪低功耗深度学习专用处理器,率先推出PHANERON,引起业界广泛关注。时隔6个月,寒武纪发布性能更为强劲的MLU100,曙光同步升级PHANERON产品,并发布一系列搭载寒武纪MLU100的服务器产品,保持着在智能服务器领域的持续领先。
“计算科技进入一个新的发展时期,以多样化的计算场景为标志的先进计算成为趋势。”曙光公司高级副总裁任京暘在寒武纪2018产品发布会上表示,面对新时期对计算力提出的挑战,专注于计算技术创新的中科曙光顺势而为,深耕“先进计算”,在不断优化已有计算技术的同时,注重不同计算技术的融合创新及计算技术与不同行业的应用融合,同时密切关注量子计算、类脑计算等颠覆性计算技术的革新,致力于打造新时代触手可及的先进计算服务。
曙光此次与寒武纪芯片同步发布的AI专用服务器,正是其在先进计算领域众多创新性成果中的一个典型代表。任京暘表示,曙光与寒武纪是同根同源的中科院旗下企业,成立初衷均是以持续创新的精神,发展面向世界前沿的科技。曙光一直以来密切关注人工智能领域前沿科技进展,与寒武纪保持着紧密而高效的合作,实现长期协同创新。
据曙光公司总裁助理李斌介绍,曙光全新的PHANERON云端服务器可以支持2-10块寒武纪MLU处理卡,可灵活应对不同的智能应用负载。以升级版的PHANERON-10为例,单台专用服务器可集成10片寒武纪人工智能处理单元,可以为人工智能训练应用提供832T半精度浮点运算能力,为推理应用提供1.66P整数运算能力。
“这是非常惊人的计算能力。”李斌举例说,这相当于将一个200台以上的普通计算集群提供的计算能力,压缩到一个4U的计算节点中,而实际能耗只有1.2-1.3KW,“能效提升30倍以上”。
曙光不仅在硬件计算平台上与寒武纪进行配合,在系统软件层面上也完成了与寒武纪产品和技术的整合。
会上任京暘介绍说,曙光人工智能管理平台——SothisAI将支持和整合寒武纪芯片和相关软件工具,以实现对主流人工智能框架及行业应用的支持。“这体现了曙光在技术架构上与寒武纪全线产品的深度融合,未来曙光将与寒武纪长期共同推进中国人工智能技术和产业的发展。”
在2018年国家发展改革委组织实施的“互联网+”、人工智能创新发展和数字经济试点重大工程中,曙光和寒武纪分别牵头承担了“面向深度学习应用的开源平台建设及应用”和“云端深度学习处理器芯片产业化”两个重大课题。任京暘介绍,在芯片级和平台级层面,双方会展开更深入的合作。同时,曙光还将在“数据中国”战略框架下,在城市云、先进计算以及以智能安防等行业数据中心解决方案中推进寒武纪产品的落地和应用,汇聚更多的合作伙伴共建人工智能产业生态。
随着集成了寒武纪最前沿人工智能软硬件能力的智能计算的融入,曙光先进计算“大家庭”如虎添翼。基于曙光公司在全国的先进计算产业布局和立足“一带一路”沿线国家的海外布局,中科曙光推进先进计算发展一步一个脚印,切实助力了数字中国建设。
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。