如今AI无处不在,NVIDIA致力于实现AI民主化。近日,在MWC 2021和ISC 2021的举行期间,NVIDIA公布面向5G和超算的新方案——AI-on-5G和NVIDIA HGX AI超级计算平台,帮助各行各业能够加速AI落地。
扩展AI-on-5G生态系统
软件定义的RAN对于构建能够在通用平台上运行各种应用程序的现代5G基础设施至关重要。今年4月,NVIDIA宣布与谷歌云、Fujitsu、Mavenir、Radisys和Wind River合作开发适用于NVIDIA AI-on-5G平台的解决方案。部署该平台的企业、移动网络运营商和云服务提供商将能够在同一融合的平台中同时处理5G和边缘AI计算,可以在理想的平台上创建高性能5G RAN和AI应用。
现在NVIDIA宣布将在NVIDIA Aerial A100 AI-on-5G平台上扩大对Arm架构CPU的支持,为5G生态系统带来更多选择。NVIDIA Aerial A100 AI-on-5G计算平台使用NVIDIA Aerial软件开发套件,并将与内置16个Arm Cortex-A78处理器的NVIDIA BlueField-3 A100配套工作,打造独立的融合卡,可通过云原生5G vRAN提供企业级边缘AI应用,并提升每瓦性能,加快部署速度。
这一举措将让全球各大OEM能够提供基于高效的Arm架构CPU和采用Aerial 5G的NVIDIA AI Enterprise软件的行业标准服务器,更简易地构建和部署自托管的vRAN,让私营企业、网络设备公司、软件制造商和电信服务提供商都能将AI和5G功能相融合。
除此以外,NVIDIA宣布将与谷歌云合作打造业内首个AI-on-5G创新实验室,该实验室将向企业提供谷歌云的Anthos平台和NVIDIA加速计算软硬件平台,让企业能利用数据和AI来提升业务绩效、提高运营效率并优化安全性和可靠性。
加快工业AI和HPC新时代的到来
AI与加速计算和高性能计算相结合,形成了推动超指数级进步的数字飞轮。NVIDIA首席执行官黄仁勋表示,由于加速计算和深度学习出现,高性能计算正在经历多米诺骨牌效应。
制药公司正在利用经由GPU加速的模拟和AI来加速药物发现。宝马等汽车制造商正在利用此类技术实现整个工厂的建模。欧洲的DestinE项目将打造地球的数字孪生体,这种仿真只有结合高性能计算与AI才能实现。
基于此,NVIDIA宣布在NVIDIA HGX AI超级计算平台中加入融合了AI与高性能计算的新技术,使越来越多的行业能够更加充分地利用超级计算的力量。
NVIDIA在HGX平台中加入了三项关键技术:NVIDIA A100 80GB PCIe GPU、NVIDIA NDR 400G InfiniBand网络和NVIDIA Magnum IO GPUDirect Storage软件。三者结合,提供了卓越的性能,以实现工业HPC的创新。
目前,NVIDIA HGX平台为爱丁堡大学的新一代超级计算机Tursa提供支持,Tursa是由爱丁堡大学托管的新型DiRAC超级计算机。
Tursa超级计算机由Atos打造,预计将于今年晚些时候投入使用,它将配备448个NVIDIA A100 Tensor Core GPU,每个节点包括4个NVIDIA HDR 200Gb/s InfiniBand网络适配器。NVIDIA Magnum IO GPUDirect RDMA 使系统能够使用Lattice Quantum ChromoDynamics为超大规模的科学应用提供高水平的节点间带宽和可扩展性。
同时,在最新发布的TOP500榜单上,基于云的AI超级计算机(包括Microsoft Azure和剑桥大学的新系统Wilkes-3超级计算机)大出风头。
这种超级云——一种新兴的共享超级计算机,能够同时满足人工智能、高性能计算和云端的需求。Azure系统便是NVIDIA首席执行官黄仁勋所述“行业高性能计算革命”的一例,即AI与高性能计算和加速计算融合,正在推动科研和行业各个领域的发展。
Wilkes-3是世界上第一台云原生超级计算机,让研究人员能够在保证隐私和安全的前提下共享虚拟资源。除了与HDR 200G InfiniBand网络上连接的320个A100 GPU之外,该超级计算机还借助NVIDIA Bluefield DPU加速安全、虚拟化和其他数据处理任务。
可以预见的是高性能计算革命将席卷数据中心、公有云和混合云以及边缘网络。NVIDIA也在与ARM联手加速高性能计算生态系统的发展,将ARM模式应用到高性能计算的时机已经到来。
结语
不管是5G还是高性能计算领域,NVIDIA持续创新加速AI在行业中的落地。并推动技术之间的融合。AI-on-5G让5G和边缘AI计算融合,而HGX平台让AI与加速计算和高性能计算融合,这些带来的将是整个行业的变革。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。