北京,2020年7月15日——近日,企业级混合云服务商青云QingCloud与国内AI芯片独角兽寒武纪达成战略合作,深度拓展边缘计算、人工智能、物联网等领域的联合创新。作为在各自领域内不断创新、不断保持技术领先性的两家企业,此次强强联合将更好地赋能边缘智能,推动AIoT和云网边端一体化的发展进程,打造“云+边+芯”的智能平台。
当下,人工智能作为加速数字经济发展“新基建”的重要技术,处在蓬勃发展时期。突如其来的疫情意外加速了智能化进程,企业意识到,由物联网带来的数据爆发式增长,如海量图像、语音和视频数据、训练模型等都迫切需要提升算力。在云计算、网络技术和边缘计算的推动下,数据逐渐在边缘创造价值,企业迎来了一个崭新的边缘智能时代。边缘智能能够进一步提升用户体验,创造新服务,同时又能提升效率,降低成本,这也对企业现有基础设施提出了更高要求。
寒武纪是一家成立于2016年的AI芯片设计公司,聚焦于云边端一体,软硬件协同的智能新生态,并打造应用于各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发、设计和销售,为客户提供丰富的芯片产品与系统软件解决方案。凭借着强劲的研发能力,寒武纪是目前国际上少数几家全面系统掌握通用型智能芯片及其基础系统软件研发和产品化核心技术的企业之一,虽成立仅4年,却已经迅速成长为国内AI芯片独角兽。
同样作为科创企业,青云QingCloud具备核心技术能力,通过不断突破、不断创新,成长为一家技术领先、产品卓越和服务优质的云计算服务商。为了能够给企业用户提供安全、敏捷、低延时、低成本的广义云服务,青云QingCloud基于全维云平台、光格网络智能广域网、EdgeWize边缘计算构建了一套覆盖广域空间的云网边端一体化平台,全面赋能新基建。
此次与寒武纪达成战略合作,双方将重点打造创新的边缘智能产品和场景解决方案,推动AIoT在云、网、边、端的发展。在此次合作中,青云QingCloud旗下光格网络在其SD-WAN终端光盒里内置寒武纪思元220边缘端芯片,通过4G、5G、专线、互联网等全模式接入,全面支持企业边缘计算场景下的智能数据分析与建模、视觉、语音、自然语言处理等多样化的人工智能应用,连接边缘与云,将云计算能力延展至广域空间,赋能边缘计算和边缘智能。
未来,青云QingCloud将与寒武纪保持紧密合作,除在云、网、边、端持续开展AIoT及智能平台的联合创新外,双方还将不断拓展行业市场,贴合行业推出更多可落地的场景化解决方案,推进智慧行业、智能产业的发展,助力行业数字化转型和新基建场景化建设,致力于成为构建数字世界的基石。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。