11月26日,由绿色计算产业联盟(Green Computing Consortium,简称GCC)主办的“2020绿色计算产业峰会”在北京召开。大会以“凝心聚力,共赢绿色计算新时代”为主题,聚焦计算产业发展趋势、多元异构计算架构的标准化、产业链协同等议题展开深入研讨。
这是GCC 2016年成立以来举办的最大规模的活动了。在中美贸易争端持续不断的背景下,中国对产业链的安全越来越重视。芯片是ICT产业的关键组件,事关产业链安全,甚至国家安全,然而,高端芯片一直我们的短板,无论是桌面还是服务器处理器芯片,我们几乎没有话语权。
GCC成立于2016年,是在工信部指导下,由ARM、华为、飞腾、新华三等多家国际领先厂商以及国内高校、科研机构共同发起组建,旨在促进中国建成开放创新的绿色计算产业生态环境,加速绿色计算架构的大数据、企业级计算与云计算等关键应用的发展。
“顺应软件开源和硬件开放的信息技术发展大势,汇聚全球产业链优势资源,以ARM芯片技术等开放技术为基础,为最终用户提供更容易使用和管理的绿色节能产品,这是联盟成立的宗旨,也是联盟一直以来的努力方向。”绿色计算产业联盟理事长、中国科学院院士梅宏在大会演讲时表示。
在当下的CPU市场x86架构是无可争议的主流,不过,近几年来ARM凭借其在移动端积累下来的高能效优势和强大的生态正在快速向数据中心和桌面渗透,向x86发起冲击。另一方面,从产业安全而言,由于ARM采用了架构授权模式也有利于保证我国的产业安全。基于ARM的这些优势,GCC选择了基于ARM技术路线来打造我们自己的绿色计算产业链。
打造基于ARM的产业生态是GCC的主要任务,而这是一件非常困难的工作。所幸的是,在当下国际形势产业界已经达成共识,业界正在凝心聚力打造这个产业链。华为更是扮演产业链龙头的作用。华为不仅推出了基于ARM的鲲鹏、昇腾系列芯片,还推出开源操作系统openEuler、开源数据库openGauss和开源社区,对推动ARM生态链的成长发挥了重要作用。
华为技术有限公司鲲鹏计算业务总裁张熙伟在大会主题演讲时表示,截止目前,已经有12家合作伙伴基于华为鲲鹏推出整机产品,拥有了1000余家基于鲲鹏的基础软件企业,发布了3000多个经过适配认证的行业解决方案。在开发者方面,华为鲲鹏已经聚合了30万的开发者,在全国各地建立25个鲲鹏应用创新中心。同时,华为还在持续打造生态,接下来华为将投入2亿美金用于生态链的扶持。
除了华为之外,还有飞腾以及Ampere等也都有ARM架构的服务器和/或桌面CPU推出。比如,Ampere今年推出的专门为云计算设计的基于ARM架构的云原生系列处理器Altra,采用7纳米制程工艺,拥有80个核心,无论功耗还性能表现都非常出色。
为了推动生态链的发展,GCC在大会上重磅发布了一批规范和技术参考,包括《绿色计算服务器基本输入输出系统(BIOS)技术要求》、《绿色计算服务器基板管理控制器(BMC)技术要求》、《服务器应用场景性能测试方法—大数据》、《服务器应用场景性能测试方法—分布式存储》、《服务器应用场景性能测试方法—高性能计算》、《服务器应用场景性能测试方法—Web应用》、《绿色计算服务器典型应用场景性能对比测试分析报告》、《绿色计算服务器机密计算安全白皮书》、《绿色计算服务器可信赖技术要求》9份绿色计算的相关标准、白皮书及测试分析报告。这些标准的发布,是绿色计算产业发展的重要里程碑——从标准不一的野蛮生长,到遵循标准的协同发展,推动多元异构绿色计算产业的产业协同,提高应用的可靠性、可用性,降低产业链协同的难度,引领计算产业绿色、可持续、高质量发展。
谈及GCC未来工作,梅宏表示将有三个重点:
第一,坚持开源开放创新,完善绿色计算技术和产业生态,聚焦绿色计算标准建设技术创新与产业培育,加快形成绿色计算标准体系研制关键标准。鼓励创新创业,搭建创新交流合作平台,并做好与国际化标准机构和开源社区组织的对接,加强国际交流合作,推进绿色计算产业核心关键技术的研发标准化、产业化和应用迭代,与全球厂商共助绿色生态实现高技术创新实现高水平开放,引领高智能发展。
第二,加大应用推广力度,扩大价值行业示范效应。聚集国内外ARM架构产业生态资源推动POC测试,构建绿色计算建立第三方兼容性测试认证平台,进一步将绿色计算技术成果与企业实践相结合打造产业样板,在实践中更好展现绿色计算产品高性能、低成本、可扩展易管理的优势,从而加速绿色计算产品商用。
第三,加强产学研融合共建技术创新和人才培养体系,继续加强与国内高校和科研机构在信息技术创新人才培养体系建设方面的深度融合。持续开展绿色计算技术教材开发测试不断推动绿盟杯的高校大赛的持续提升,同时通过校企融合等形式,激发优秀科研团队参与绿色计算创新生态建设,营造完善的技术创新与人才培养体系。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。