2020年9月11日,北京——在今日举行的2020腾讯全球数字生态大会上,英特尔与腾讯共同宣布了一系列创新合作:双方联合开发并推出腾讯云首款星星海四路服务器,全面升级腾讯与英特尔联合实验室,并携手腾讯在AI领域拓展深度合作,将CPU的AI性能应用在腾讯云小微的语音合成中,实现高质量低延时语音合成。此外,双方还重磅发布智能学生电脑,致力于因材施教,推动教育智慧化发展。
由英特尔和腾讯合作定制,搭载四颗第三代英特尔至强可扩展处理器和第二代英特尔傲腾持久内存的腾讯云星星海四路服务器,是业界首家大规模落地RAS技术,能够满足通用计算、异构计算、裸金属、高性能计算等全业务场景。基于英特尔深度学习加速技术(Bfloat 16)、英特尔矢量神经网络指令(VNNI)以及英特尔AVX-512扩展指令集,其对应的云服务器实例在AI场景下表现出了极大的性能优势,AI场景处理提升1.89倍,数据库业务单节点提升2.16倍2;同时密度、散热能力、风扇节能分别有117%、22%和30%的提升,宕机率也大幅降低50%,不仅大幅提升腾讯云计算矩阵战略能力,在AI等场景下为用户提供更强的计算性能,实现弹性部署,也有效降低云服务总体成本。
英特尔副总裁兼云与企业解决方案部总经理Jason Grebe先生表示:“腾讯是英特尔最具战略意义的长期合作伙伴之一,双方始终在硬件设计、软件优化、技术协同创新等方面进行紧密合作并取得重大成就。未来英特尔将与腾讯继续深化在云计算领域的全面合作,以AI加持超级算力,智能处理海量数据,释放更多数据价值。”
腾讯云副总裁郑亚峰指出,本次大会上发布的搭载第三代英特尔至强可扩展处理器的星星海四路服务器能够助力腾讯云实现更高效、稳定的资源部署,为腾讯云的新基建战略添砖加瓦。未来,希望与英特尔在产品、技术等多方面持续进行深入合作,共同赋能更多行业用户,为中国的产业数字化进程和新基建发展增添动能。
值得一提的是,英特尔亦与腾讯持续推动AI联合创新。双方不仅在硬件层面合作,以内置AI加速的英特尔至强可扩展处理器为基础,通过一系列硬件指令加速,为开发者提供更多选择,提高性能;同时,腾讯云依托英特尔的AI软件栈优化,成功上线Open Vino推理加速引擎,成为业内第一个支持Analytics Zoo的公有云厂商,从数据管理到资源利用,形成完整端到端全栈解决方案。
作为AI联合创新的重要落地成果,腾讯还将第三代英特尔至强可扩展处理器应用于腾讯云小微智能语音与视频服务接入平台中,并通过英特尔深度学习加速技术(Bfloat 16)大幅提升AI能力,在两种不同定制化的拓扑结构上将推理性能分别提高1.89倍和1.54倍,达到了超强语音实时性、高拟真度和交互自然的逼真效果,实现语音灵活适配及多样化场景应用。
展望数字经济新时代,随着AI、5G、物联网等技术的大规模部署,万物云化逐步加速,云计算逐步成为数据时代的“中流砥柱”。籍此,英特尔将基于“以数据为中心”的全面产品组合、强大的合作伙伴生态系统和持续不断的技术创新构筑坚实智慧云基石,一如既往地携手腾讯通过AI加速打造超级算力,赋能千行百业智能化变革,共同加速智慧云计算与新基建的发展,拥抱数字经济。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。