加州圣克拉拉市(2021年4月8日)——Habana Labs作为一家服务于各大数据中心,专注于深度学习加速器开发企业,宣布其人工智能(AI)训练和推理加速器将为加州大学圣地亚哥分校圣地亚哥超级计算机中心(SDSC)的Voyager超级计算机提供高性能的AI计算能力,计划于2021年秋季投入使用。 Voyager将致力于推进跨学科和工程领域的人工智能研究。该系统由美国国家科学基金(National Science Foundation)拨款资助,同时也将面向社会应用和运营需要。
Voyager超级计算机采用了Habana独特的互联技术,用336片Gaudi加速器有效地提升了AI训练能力,这种架构很好地扩展了大型超级计算机的训练应用。Gaudi是目前业界唯一内置集成10个支持RoCE v2(RDMA over Converged Ethernet)100G以太网端口的AI处理器,可以有效提升扩展的灵活性,避免扩展能力受于限吞吐量。Voyager系统还采用了16片Habana Goya处理器用于AI推理模型。
SDSC数据科学计算部门负责人兼Voyager项目首席研究员Amitava Majumdar指出:“Habana针对深度学习和AI工作量的创新优化解决方案,成为Voyager即将进行的 AI研究的理想选择。我们期待与Habana、英特尔以及Supermicro合作,将这种独特高效的计算能力引入Voyager项目,让学术研究人员能够使用一个当今最强的人工智能系统。”
Habana Gaudi AI训练处理器和Goya AI推理处理器的设计旨在提升AI工作的性能和效率。他们将为数据科学家和研究人员提供访问Voyager的灵活性,使他们能够使用可编程张量处理器内核和内核库定制模型,并使用Habana的SynapseAI®软件平台简化实现,该平台支持流行的机器学习框架和vision,自然语言处理和推荐系统等应用的AI模型。
超微(Supermicro)是Voyager项目的技术合作伙伴,也是企业级计算、存储、网络解决方案和绿色计算技术等领域的全球领导者,将为Voyager超级计算机提供基于Habana的AI系统:
超微技术与业务支持副总裁Ray Pang指出:“将超微领先的应用优化服务器和存储硬件与Habana AI训练和推理产品相结合,将为SDSC持续的Voyager AI研究项目提供最佳解决方案。”他还表示:“我们将继续与领先的技术创新者紧密合作,为全球科学和医学发现、计算和领先的边缘AI提供计算密集型项目解决方案。”
Habana Labs首席商务官Eitan Medina表示:“我们很荣幸能为SDSC的Voyager超级计算机提供高效的AI解决方案。Habana 的Gaudi 和Goya AI 产品以其高效率和高性能有效地解决了SDSC等顶级学术机构日益增长的AI研究工作需求。”
Voyager开始投入运营的前三年是试验阶段,在此期间,SDSC将与天文学、气候科学、化学、粒子物理学和其它领域的一流研究团队合作,利用Voyager的独特特性获取更多AI领域的经验和见解。在整个测试阶段,SDSC将与AI研究计算团队分享经验,并共同撰写AI文档,作为第4、5年中扩大用户群的资源。
英特尔副总裁兼高性能计算事业部总经理Trish Damkroger表示:“Voyager对性能与效率的高水准要求正是英特尔架构的设计目标。英特尔至强®可扩展处理器与Habana AI加速器相结合,将确保Voyager用户在开创性的科学研究中拥有HPC和AI能力。”
***
关于Habana Labs
Habana Labs成立于2016年,是一家领先的AI处理器公司,致力于开发专为优化深度神经网络训练和在生产运营环境中进行推理部署的处理器平台。Habana Labs通过提高处理性能和可扩展性、降低成本和功耗来提升整个平台的价值,最大化释放人工智能的巨大潜力。2019年Habana Labs被英特尔收购,成为英特尔数据产品集团独立运营的业务部门。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。