第四范式与英特尔联合实验室经过多轮研发迭代,在全球率先推出基于英特尔全新Cascade Lake-AP的AI软硬一体技术。依托第四范式先知平台及其内置的Hyper Engine训练架构和下一代AutoML等核心技术,英特尔Cascade Lake-AP在超大规模数据建模场景中的全部潜能得以释放,展现出极致性能。以此为基础,第四范式与英特尔将加速战略合作升级,推出基于Cascade Lake-AP的全新AI软硬一体产品。
Cascade Lake-AP是英特尔近期发布的最高级别至强可扩展处理器,采用双芯片封装技术,最多可提供每插槽56物理核心112线程及12通道DDR4内存,内置全新AVX-512 VNNI指令集和CLX AP微架构IO总线,专为苛刻的人工智能(AI)、高性能计算(HPC)和基础架构即服务(IaaS)工作负载而设计。
作为全球第一家与英特尔Cascade Lake-AP深入合作的AI企业,第四范式结合现实AI应用场景的需求针对其众多特性进行软硬一体优化,通过先知平台能力提升机器学习算法对主频及多核心的利用率,优化支持全新AVX512指令集以及全新CLX AP微架构IO总线利用率等多方面效能,使得在超大规模机器学习训练场景中,基于第四范式先知平台软硬一体技术的Cascade Lake-AP处理器及平台每单位价格性能提升50%以上。
此外,第四范式在解决AI应用发展的算力瓶颈上提供更多软硬一体优化技术,通过机器算法训练加速专用计算芯片、消除AI分布式通讯节点间数据同步瓶颈的通讯系统、以及高性能缓存和压缩等先进技术的引入,进一步提升AI软硬一体技术的效率优势。
好文章,需要你的鼓励
北京大学研究团队开发出基于RRAM芯片的高精度模拟矩阵计算系统,通过将低精度模拟运算与迭代优化结合,突破了模拟计算的精度瓶颈。该系统在大规模MIMO通信测试中仅需2-3次迭代就达到数字处理器性能,吞吐量和能效分别提升10倍和3-5倍,为后摩尔时代计算架构提供了新方向。
普拉大学研究团队开发的BPMN助手系统利用大语言模型技术,通过创新的JSON中间表示方法,实现了自然语言到标准BPMN流程图的自动转换。该系统不仅在生成速度上比传统XML方法快一倍,在流程编辑成功率上也有显著提升,为降低业务流程建模的技术门槛提供了有效解决方案。
谷歌宣布已将约3万个生产软件包移植到Arm架构,计划全面转换以便在自研Axion芯片和x86处理器上运行工作负载。YouTube、Gmail和BigQuery等服务已在x86和Axion Arm CPU上运行。谷歌开发了名为CogniPort的AI工具协助迁移,成功率约30%。公司声称Axion服务器相比x86实例具有65%的性价比优势和60%的能效提升。
北京大学联合团队发布开源统一视频模型UniVid,首次实现AI同时理解和生成视频。该模型采用创新的温度模态对齐技术和金字塔反思机制,在权威测试中超越现有最佳系统,视频生成质量提升2.2%,问答准确率分别提升1.0%和3.3%。这项突破为视频AI应用开辟新前景。