4月3日,英特尔在北京发布了以数据为中心的一系列产品组合,在数字经济时代,英特尔此次发布的产品组合,对数据的处理,人工智能的支持,更加具体。
英特尔公司市场营销集团副总裁兼中国区总经理王锐
新产品组合亮相:产品线丰富、业界广泛支持
据IDC预测,全球已经进入了数字经济时代,到2021年,至少50%的全球GDP将会由数字化驱动。英特尔发布的产品组合,也是以组合拳的形式,来迎合了数据洪流,这些产品包括了处理器、内存、FPGA等。
第二代英特尔®至强®可扩展处理器上市,能够满足用户严苛的计算处理要求,覆盖从智能边缘到云,到AI和5G等各种应用环境。英特尔推出50多款工作负载优化的英特尔至强处理器,以及几十款与客户深度合作的定制处理器,其中包括56核、12内存通道的英特尔®至强®铂金9200处理器,提供了业界领先的处理性能。
此外,第二代英特尔®至强®可扩展处理器嵌入了一系列全新功能,包括集成了加速人工智能深度学习推理的英特尔®深度学习加速技术。同时支持英特尔®傲腾™数据中心级持久内存,该突破性的技术能够为英特尔以数据为中心的计算产品组合提供兼具经济性和大容量的持久内存功能。
本次推出的英特尔® Agilex™现场可编程门阵列(FPGA),这是一款英特尔10nm的PFGA,能够为以数据为中心的时代带来灵活的硬件加速能力。
这些强大的产品组合,也使得英特尔获得了业界最广泛的支持,与英特尔同台发布的合作伙伴,包括亚信科技、天弘、思科、戴尔EMC、安擎、烽火通信、南大通用、新华三、海鑫科金、华勤通讯、华为、浪潮、英业达、联想、珑微系统、微软、宝德、云达科技、SAP、曙光、超微、清华同方、星环科技、VMware及中兴等25家合作伙伴。
赋能人工智能民主化
英特尔公司数据中心事业部副总裁兼企业与政府事业部总经理Rajeeb Hazra
几年前,人工智能还是大公司的专属,英特尔公司数据中心事业部副总裁兼企业与政府事业部总经理Rajeeb Hazra发现,现在的中国,人工智能不断的成熟,现在已经无处不在,人工智能的用户也无处不在,英特尔这次的产品发布,可以帮助中国企业实现人工智能的民主化。
目前,全世界很快有2000亿的设备和传感器,在无时无刻的收集数据,而这些数据中只有2%的数据得到了分析,人工智能和数据分析能力的需求增长,是数字经济的焦点所在之一。
第二代英特尔®至强®可扩展处理器系列集成了英特尔®深度学习加速(英特尔® DL Boost)技术,以加速数据中心、企业和智能边缘计算环境中的人工智能推理工作负载,例如图像识别、对象检测及图像分割等。英特尔同时与生态系统内的合作伙伴通力协作,优化了充分利用英特尔深度学习加速技术的框架(TensorFlow*、PyTorch*、Caffe*、MXNet*和Paddle Paddle*)和应用。客户同时还可选择OpenVINO等增强型工具来简化部署。
这些性能的大辐提升,在英特尔的合作伙伴那里已经得到了印证。
浙江大华技术股份有限公司研发产品线产品总监陆振善介绍,大华基于英特尔的产品和技术,在安放中搭建了端到端的AI系统,推出了睿界双目相机、睿界全结构化相机、慧系列交通卡口相机、大华睿智向量对比智能服务器,多维度提升了目标感知能力,利用至强®可扩展处理器,总结归纳的性能提升了3.5倍,实现了一车一档、一人一档、人车关联、一物一档。
在腾讯云,为腾讯视频进行视频分析和智能鉴黄,是腾讯云的一项重要工作。腾讯云服务器与供应链部副总经理刘裕勋介绍,第二代英特尔®至强®可扩展处理器加速了视频应用的人工智能性能,在他们的实际使用测试中,视频分析效果提升了3.26倍,鉴黄效率提升了2倍。
同样的赋能,也发生在科大讯飞。人工智能和相关行业的落地是科大讯飞的使命,科大讯飞云计算研究院副院长张致江说,“能听会说,能理解能思考,为了让更多AI开发者用好人工智能技术,科大讯飞推出了云计算相关平台,长期以来,积累了大量的数据,科大讯飞在用人工智能的技术和服务平台,云+端的方式,为垂直行业提供解决方案。”
科大讯飞拥有92万开发者用户,他们尝试了在深度学习领域用傲腾数据中心级持久内存,大大加快了小文件读取速度,加速了数据库性能,更好的满足了云的性能。
未来已来
据IDC预测,截至2019年,大约有40%的数字化转型是由人工智能来驱动的。到2021年,75%的企业应用都将使用到人工智能。
在中国市场,人工智能、物联网和5G等技术方面已经逐渐成熟,这为中国数字经济蓬勃发展奠定了基础。
英特尔公司市场营销集团副总裁兼中国区总经理王锐表示:“释放数据价值是制胜未来的关键。基于云到端全面的产品组合,英特尔与中国产业合作伙伴紧密携手,持续加速技术创新和应用落地。未来,我们将继续沿着‘智能+’的方向,从客户出发,与客户交融,将英特尔以数据为中心的技术和产品应用到各个行业中去,推动数字经济在中国发展。”
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。