2021年7月16日,南京智能计算中心在南京市麒麟科技创新园落成并投入运营,中心采用业界领先的人工智能芯片和算力机组构建,已运营系统的AI计算能力达每秒80亿亿次 (800P OpS),这将成为长三角当前投运的最高算力的智能计算中心。
国家信息中心信息化和产业发展部主任单志广、市发改委相关领导、市工信局副局长郭玉臣、市信息中心主任翁晓泳、市大数据集团副总韩冬等相关部门领导,中科院计算所书记李锦涛,中国科学院院士陈国良、张旭,紫金山天文台副台长吴雪峰,浪潮信息CEO彭震、寒武纪CEO陈天石等约200多位科研院所、专家学者、企业代表共同见证南京智能计算中心的正式落成投入运营。
麒麟科创园管委会主任樊向前表示,在市委市政府的关心帮助和支持下,南京智能计算中心采用业界领先的人工智能芯片和算力机组构建,第一期设备已经全部完成上架调试验收。目前已运营系统的AI计算能力达每秒80亿亿次,已与近10家科研院所、人工智能生态企业签署了云平台服务协议,行业涵盖金融、制造及医疗领域,储备算力使用率超过20%,已初步形成生态聚集效应。此外,正积极对接相关企业、高校及科研院所落地园区,未来,南京智能计算中心将为麒麟科创园打造“创新企业的孵化基地、创新人才的培养基地、创新技术的研发高地”提供核心动力。

南京智能计算中心正式启动
南京智能计算中心由南京市麒麟科技创新园携手浪潮、寒武纪共同打造,采用获得全球AI基准测试冠军的浪潮AI服务器算力机组,搭载领先的寒武纪思元270和思元290智能芯片及加速卡。通过算力的生产、聚合、调度和释放四大关键作业环节,提供人工智能应用所需的强大算力服务。已投入运营的AI算力规模,1小时可完成100亿张图像识别、300万小时语音翻译或1万公里的自动驾驶AI数据处理任务。

南京智能计算中心当前AI计算能力达每秒80亿亿次
在运营模式上,南京智能计算中心采用“一中心、一底座、N平台”模式运营,即一个算力支撑中心、一个PAAS生态拓展底座、N个应用平台,将有力支撑科技金融、智能制造、智慧零售、智慧医疗、智慧交通等领域的应用创新。目前,清华大学、中科院计算所、南京信大气象科学技术研究院、唯仁科技、南栖仙策、南京图泰、行文智教、江苏拓邮等一批智能创新产学研力量已经依托智能计算中心开展人工智能研发应用创新。其中,中科院计算所利用南京智能计算中心的算力平台开展蛋白质结构预测的AI推断服务,唯仁科技、南栖仙策、南京图泰等企业已经基于南京智能计算中心在智慧医疗、智能车联网、智能制造、自动驾驶等领域开展AI模型的训练推理任务研究,以实现多场景、多领域的广泛应用服务。

南京智能计算中心合作首批企业签约仪式
国家信息中心信息化和产业发展部主任单志广在演讲中表示,“长三角是经济发展最活跃、开放程度最高、创新能力最强的区域之一,也是未来智能经济发展的桥头堡。智能计算中心作为构建未来智慧社会和智能经济的关键性公共算力基础设施,将有效推动南京市乃至长三角地区的智能产业创新集聚与经济能级提升“。
依托南京智能计算中心,以“基础设施+框架+算法”为底层基础、以AI模型生成和多场景应用的AI技术生态链正在逐渐形成,将进一步推进南京AI产业要素资源聚集,打造产业创新聚集生态。未来,元脑生态中的4000多家人工智能合作伙伴,将依托南京智能计算中心,形成有效的生态汇聚,共同孵化落地更多高质量的创新成果和行业应用。
截至2020年底,南京人工智能产业布局已初具规模,围绕人工智能产业基础层、技术层、应用层三大层级,集聚人工智能企业近300家,核心产业规模超过60亿元,带动相关产业规模近800亿元。同时,南京也在不断积聚人工智能研发优势,相继与清华大学、南京大学、斯坦福大学等国际知名高校院所合作,共建以人工智能为主攻方向的新型研发机构21家,集聚人工智能研发人员5000余人,引育人工智能领军人才超过50名。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。