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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。