本文作者:英特尔公司副总裁兼标准与下一代技术事业部总经理Asha Keddy
随着科技在社会中扮演越来越重要的角色,加强和改善我们的通信基础设施至关重要。在很大程度上,网络的运转还是不错的,但需求的增加将继续对现有的基础设施构成新的挑战。例如,ABI Research在今年4月表示,网络上传流量增长了80%,而这只是这一波新需求的一个例子。服务提供商正在改进和优化他们的网络,来应对这一爆炸性的数据量和多样化的网络数据流。他们需要能够以灵活和经济高效的方式帮助应对这一挑战的解决方案。
这些动力促使英特尔与NTT(日本电报电话公司)合作。NTT是世界上最大、最具创新性的服务提供商之一,在有线和无线网络、数据中心和光子学方面都具有专长。通过这样专注的努力,我们的目标是定义和创造未来的通信基础设施技术,以满足在不久的将来所需的网络需求。这些技术将超越传统通信基础设施的限制,带来在边缘端更智能的洞察力,这对于创建互联世界是必不可少的。在互联世界中,智慧城市、智能医疗和智能制造等应用,将变得更加现实可行。
英特尔和NTT的合作将指导两家公司的研发工作。这是对英特尔和NTT通过创新光学无线网络(IOWN)全球论坛所做工作的一个补充。IOWN全球论坛由NTT、索尼和英特尔于2019年成立,旨在创建一个行业论坛,以加速最初针对光子网络和分布式计算的用例场景和技术规范的开发。尽管英特尔和NTT的合作是独立于论坛之外的,但英特尔和NTT创造的技术很可能在10年之内就会被IOWN全球论坛所使用。
随着联盟合作的深化,英特尔和NTT能够专注于三个主要领域先进解决方案的近期发展,为商业和社会创造直接的利益。
光电子融合
与电子学融合的光子学技术代表着这样一种机会,它可以去超越电子学在互连应用中现存的物理限制。未来的光学计算设备和光学芯片到芯片互连,是解决性能、功耗和成本效益问题的新一代解决方案。
全球分布式计算架构的进展
数据的性质正在迅速变化,数据量剧增,数据形态多样化,数据来源地理分布更加复杂。很明显,智能和计算能力需要在下一代架构中更加分散。我们与NTT合作的一个重要里程碑,是开发了一个初步的概念验证,重点是视频分析和人工智能。最后,这项早期工作将有助于开发一种新的分布式计算架构,它跨越终端设备、边缘和云。5G以其高性能、规模化、可靠性和低延迟的保证,将是助力实现这种新的分布式架构的第一步。
开放的分布式框架的发展
开源模式是技术创新的重要引擎。我们将与NTT一起,在开放的人工智能软件框架上进行创新,使服务提供商能够利用人工智能管理的分布式计算架构来提高网络效率并满足网络容量需求。这项工作进一步扩展和利用了为AI打下基础的英特尔广泛的软件优化和产品投资,包括内置AI加速的英特尔至强可扩展处理器,英特尔Movidius视觉处理单元, 英特尔FPGA,还有对开源框架的贡献,如面向TensorFlow的英特尔优化和英特尔OpenVINO工具包分发版。我们与NTT合作的首个概念验证工作将采用分布式计算架构,并利用第二代英特尔至强可扩展处理器和英特尔Movidius视觉处理单元,为智慧农业和交通拥堵等问题提供洞察。
我认为很快,在不久的将来,我们会为许多技术提供令人振奋的概念验证。我们计划的研究和开发,将利用NTT行业领先的光子学、数字信号处理、计算和网络基础设施管理技术,以及英特尔的深度技术组合、支持性架构和软硬件专业知识。
我之前讲过,在英特尔,我们正在进行长期规划,通过我们的技术造福地球上每一个人。英特尔与NTT的合作,正是朝着这个方向迈出的又一个重要步伐。我们希望通过我们的研究产生的解决方案,有潜力对电信以及电信以外的各种行业产生广泛的影响。从交通、物流、精准医疗、环境规划到制造业,都将受益于基于全新分布式通信基础设施的一个更加智能化的世界。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。