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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。