为推动创新创业教育领域的技术探索与实践活动的开展,戴尔(中国)有限公司(以下简称“戴尔”)与天津科技大学于2018年12月4日就共建“人工智能创客联合实验室”(以下简称“联合实验室”)举行签约及揭牌仪式。戴尔易安信全球副总裁、大中华区成熟区域市场总经理袁洪伟,戴尔易安信大中华区教育行业高级拓展经理郑狄,天津科技大学校党委副书记张爱华,天津科技大学计算机科学与信息工程学院党委书记张国顺等领导莅临现场见证仪式。
联合实验室深度融合了戴尔在计算领域以及天津科技大学在科研领域的资源优势,为展开人工智能技术研究提供了强劲动力。天津科技大学将以联合实验室为基础,开设人工智能基础与实践、大学生创新创业相关的选修课程,为社会培养人工智能创新型人才。在科研实践方面,基于戴尔提供的高性能基础计算架构,联合实验室将积极利用神经网络和深度学习等理论方法,以模式识别基础理论、图像处理与计算机视觉以及语音语言信息处理为主要研究方向,探究人类模式识别的机理以及有效的计算模型与算法。
戴尔作为全球领先的端到端IT解决方案及服务提供商,在先进计算资源、高性能计算架构和信息分析处理方面具有雄厚的科技研发力量和技术实力,为当前人工智能技术科研和技术突破提供强有力的支撑。同时,戴尔在中国积极携手顶尖合作伙伴推进人工智能技术的落地,以其国际化视野和强大的行业实践经验助推中国产业转型与升级。
戴尔易安信全球副总裁、大中华区成熟区域市场总经理袁洪伟表示:“人工智能与教育是戴尔长期高度重视的两个领域。与天津科技大学加深合作共建联合实验室对我们而言意义重大,让我们能够凭借创新技术与先进的产品组合帮助高校搭建先进的人工智能教学和科研环境,推动前沿科技人才的培养以及创新技术的研发,进一步落实‘在中国,为中国’戴尔中国4.0+战略。”
天津科技大学是教育部国际合作与交流司于2017年年底公布的“首批挂牌中美青年创客交流中心”名单中的16所院校之一,一直以来在推动创新创业教育实践和促进中美人文交流方面成绩斐然。此次与戴尔强强联手共建的联合实验室,为天津科技大学师生及AI研究社区、创客群体等人员提供了集教学、科研实践、创新创业服务等功能于一体的优质平台,助力打造新型创新创业教育模式、推动人工智能领域的创新探索。
天津科技大学党委副书记张爱华表示:“近年来,面向创新创业教育领域,天津科技大学通过诸多丰富的活动展开探索和实践,包括支持各学院建设创新创业平台、开展创新创业竞赛、进行高水平创新创业讲座等等。能够与戴尔这样技术领先、独具慧眼的伙伴合作,我们感到非常的高兴和放心,学校将倾力整合各类创新创业资源,为联合实验室的构建和运营提供支持,与戴尔共同打造人工智能人才培养、创新创业文化交流的创新平台。”
联合实验室采用了基于戴尔易安信第14代PowerEdge R740服务器及NX3240 NAS服务器的解决方案,此高性能解决方案针对人工智能工作负载加速进行了优化,在存储、I/O和应用软件加速之间实现理想平衡,为人工智能技术的研发和应用提供强有力的支撑。利用高级软件高效管理文件和块数据,该解决方案为联合实验室构建了一个高效且适应性强的文件共享与数据备份平台,助力天津科技大学推进人工智能教学、科研实践、创新创业服务的开展。
人工智能是新一轮产业革命的重大推力之一,将成为未来竞争的高地,而人工智能竞争以顶级人才为根本。“人工智能创客联合实验室”的建立为创新人才的培养提供新的动力,激发学生通过学好、用好人工智能技术,将创新创业成果转化为现实生产力,让更多学生成为梦想的实现家。
好文章,需要你的鼓励
OpenDylan 2025.1版本带来多项实用改进,包括新的LSP插件lsp-dylan,提供语法高亮和代码补全功能。命令行项目管理工具从dylan重命名为deft以减少歧义。Dylan是一种独特的编程语言,起源于苹果Newton项目,旨在创建一个更传统语法的Lisp变体,避免大量括号的使用。该语言已存在三十多年,目前仍在积极维护和开发中。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
智能网卡(SmartNIC)技术自2013年AWS首次应用以来,虽然获得了VMware、英特尔、AMD和英伟达等巨头支持,但市场表现平平。分析师指出,目前主要客户仍局限于服务提供商。然而,随着AI技术蓬勃发展,情况正在改变。英伟达、红帽等厂商在AI云架构中推荐使用DPU,认为其可优化推理工作负载并提升资源效率,AI革命有望真正推动智能网卡技术普及。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。