美国时间3月18日-21日,英伟达(NVIDIA)公司在加州圣何塞举办的GPU技术大会(GTC 2019)上正式推出NGC计划,旨在为当前所有数据中心计算应用提供广泛的GPU加速。曙光W760-G30R作为全能型GPU推理服务器,搭载NVIDIA Tesla T4 GPU,已经通过NGC认证测试,目前同步发布成为第一批NGC-Ready的计算平台。W760-G30R是面向数据中心设计的主流服务器,在改进散热系统后可支持最多6块NVIDIA Tesla T4 GPU,可应对全部GPU应用的异构加速平台。同时通过NGC认证的还有支持8块NVIDIA NVLink V100,面向高密度GPU计算和深度学习训练的X795-G30训练服务器。
通过NGC-Ready认证的系统可以支持NVIDIA的所有NGC软件包,这些软件包基于CUDA-X, 可以在各个应用层上加速用户的各种GPU应用场景,包括深度学习训练,推理,加速高性能计算,进行大数据分析和管理,3D图形设计和CAE分析等。通过全方位的软件支持,用户可以把精力从软件开发本身解放出来,专注于数据分析和自身业务。 同时,通过NGC-Ready的系统可以获得NVIDIA的GPU开发服务,通过向中科曙光购买该服务,将获得与DGX系列产品相同的软件预装,开发支持服务等必要内容。最大限度地提高系统利用率和用户工作效率。
NGC系统使用简单,基于NVIDIA Tesla T4 GPU的全功能策略,用户在部署时建议采用容器化,通过vGPU直接把应用发布给开发者,使用同样的硬件平台,企业客户可以在此基础上构建并灵活部署和迁移各项GPU加速的应用,真正实现软件定义计算的功能。
“中科曙光的一直致力于建立开放、统一的产品生态与理念,这与NVIDIA不谋而合。曙光与NVIDIA进一步合作将带来各种可能性,曙光目前实现多样化的产品业态全线支持英伟达系列GPU产品,并将双方的优势互补,共同推动人工智能技术和产品的发展。”中科曙光视觉与智能产品总监宋迪说。
目前,全球各行各业和研究团队都在开展人工智能、机器学习以及深度学习项目,作为中国最早采用和推动GPGPU(General Purpose Computing on GPU,即在图形处理器上进行加速计算)异构计算技术的高性能计算的厂商,早在2015年6月,中科曙光、中科院计算所、NVIDIA公司就共同成立“深度学习联合实验室”。2018年,中科曙光面向深度学习应用的开源平台建设及应用项目,成功入选“互联网+”、人工智能创新发展、数字经济试点重大工程拟支持项目名单。
作为支撑人工智能技术的幕后力量,同时也是国内是唯一一家同时具备完整的GPU服务器产品线和视觉计算产品的厂商,未来,中科曙光将在深度学习未来的发展过程中融合高性能计算和云平台等多方面技术优势,打造面向更广泛用户群体的产品应用体系,开拓人工智能的应用领域,构建良好的人工智能生态环境,助力人工智能技术在各行各业的发展融合。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。