至顶网计算频道 11月08日 新闻消息:11月8日,以“智能时代·算力赋能”为主题的首届中国超级算力大会在京召开。来自业内的600余位知名学者和产业从业者出席本次大会,共同探讨算力如何赋能智能时代,驱动数字经济高速发展。在倍受瞩目的HPC China TOP100榜单揭晓环节,联想以39套的成绩名列榜首,第五次获得中国第一,继续领跑行业。
创新技术全面引领HPC行业发展
作为全球最大的HPC方案提供商,在过去的20年中,联想不仅建立起完整的HPC产品生态,而且持续引领行业,不断创新突破自身的产品与技术。
2019年,联想发布了全新的“深腾X9000”高性能融合计算平台,该平台在兼顾算的更快、更准,更全面的同时,也使联想成为HPC绿色数据中心的积极倡导者,继续领跑 HPC水冷解决方案。众所周知,国内顶级高校北京大学全面采用了联想水冷HPC解决方案,而本次以2.4PF计算能力上榜TOP100的北京气象局项目,成为联想深腾X9000以及新一代温水冷却技术的又一成功案例。据悉该项目将服务于2020年冬奥会气象服务保障。这标志着联想最新的HPC解决方案和水冷技术不仅仅在高校与科研领域,还将在政府的关键项目上也扮演重要角色。
与此同时,近期联想在国际市场上凭借综合实力从众多顶级HPC厂商中脱颖而出,一举赢得韩国某大型项目,据悉该项目建成后峰值计算能力将高达50PF,该系统不仅使用了联想“海神”第四代温水水冷解决方案,还结合了最新的Dragonfly网络结构。伴随联想高性能计算业务高歌猛进的,是联想对HPC产品技术的不懈追求。据悉,明年“海神”系统将迎来全新升级,以应对不断提升的CPU功耗和日益增加的基于不同场景的异构加速需求。
从Every-scale迈向Exa-scale
随着国家十三五计划的深化, 预计2020年之后中国将进入E级超算的时代。 围绕这一趋势,联想HPC提出了从Every scale到Exa-scale的技术路线。有别于针对Exa-scale进行专业化设计的理念,联想则主张使用更加通用的部件和更加开放标准的去实现到Exa-scale的跨越。例如在设计Exa-scale的超算时,有人使用专门设计的机柜,网络拓扑与组件以及专属的供电系统。而联想则更倾向于使用标准的机柜,通用的高带宽低延迟网络,以及标准化的供电模块。这样做的优势是可以大幅度降低Exa-scale的建设成本,同时也大幅降低客户的应用的难度和门槛,客户完全可以像使用任何通用的HPC平台一样,无缝的切换到Exa-scale的计算平台上。
目前联想正在全球范围内携手合作伙伴与行业的顶尖的用户,共同打造面向Exa-scale的技术社区与平台。预计在不久的将来,也将迎来自己的Exa-scale超算时代。
可信区块链推进计划由可信区块链推进计划理事会组织和推动,包括华为、蚂蚁金服、百度、中国联通、微软、移动、360、中兴、腾讯、京东等企业参与,目前已经有345家国内外单位加入,通过深入研究区块链核心技术,制定可信区块链技术规范,组织测试验证,引导区块链技术越来越可信。
好文章,需要你的鼓励
这项研究探索了语言神经元视角下多语言对齐如何增强大语言模型(LLMs)的多语言能力。研究团队提出了一种更精细的神经元识别算法,将激活神经元分为语言特定、语言相关和语言无关三类,克服了现有方法的局限性。基于这种分类,研究将LLMs多语言处理过程划分为四个阶段:多语言理解、共享语义空间推理、多语言输出空间转换和词汇空间输出。通过分析对齐前后不同类型神经元的变化,发现多语言对齐促进了更多语言相关神经元的共享使用,减少了对语言特定神经元的依赖,这也解释了"自发多语言对齐"现象。
这项由弗吉尼亚大学与Adobe研究院合作的研究突破了传统图像到视频生成的空间限制,提出了"Frame In-N-Out"技术,使物体可以自然地离开画面或新物体能够进入画面。研究团队创建了专门的数据集和评估方法,并设计了一种融合运动控制、身份参考和无边界画布的扩散变换器架构。实验结果表明,该方法在生成质量和控制精度上显著优于现有技术,为电影制作和创意内容创作提供了新可能。
浙江大学研究团队开发了首个评估视觉语言模型多视角空间定位能力的综合基准ViewSpatial-Bench,并揭示了现有模型在视角转换理解上的严重缺陷。通过自动化3D标注流水线构建的大规模数据集,他们训练出的多视角空间模型(MVSM)实现了46.24%的性能提升,为人机空间交互提供了新的解决方案,使AI系统能更好地理解人类视角下的空间关系,促进更直观的人机交流。
ByteDance团队提出的DetailFlow是一种创新的图像生成方法,通过"下一细节预测"策略实现从粗到细的自回归生成。它将图像编码为仅需128个令牌的1D序列,比传统方法少5倍,却实现了更高质量(2.96 gFID)和更快速度(提速约8倍)。该方法巧妙地模拟人类创作过程:先勾勒整体结构,再逐步添加细节,并通过自我纠错机制解决并行推理中的错误累积问题,为高分辨率图像生成提供了高效解决方案。