7月27日,由OCP社区主办、浪潮承办的第三届OCP China Day 2021将在北京如期举行。大会以“开放计算再十年:降碳·增效·践行”为主题,汇聚Intel、浪潮、腾讯、百度、阿里、西部数据、希捷、英伟达、燧原、Edgecore Networks等23家企业,50多场报告,话题覆盖AI、边缘计算、Open Rack、创新存储、开放网络、液冷等领域。一年一度的OCP China Day日益成为开放开源社区极具影响力的峰会,是数据中心领域最新技术前沿和产业发展风向标。
OCP China Day2021开放计算再十年:降碳·增效·践行
2021年是OCP成立10周年、Linux诞生30周年,开源和开放已成为产业共识,引导IT产业走向集约高效、普适普惠的道路。经过十年的发展,OCP基金会从最初的几家企业,到现在拥有250+成员企业,5000多名工程师和16000多名参与者,是全球最大的开放计算社区。在技术领域上,OCP由最初聚焦数据中心基础设施,正在向异构计算、边缘计算、液冷等前瞻技术延伸,形成了数据中心基础设施、服务器、网络、存储、硬件管理、机架&电源等九大类23个技术专项。
伴随OCP社区规模和涉足领域的不断扩大,开放计算在技术标准化、创新产业化等方面取得了一定的进展。开放社区带来了一种全新的产业协作模式,通过开放协作形成共识,促进了标准化、生态化,降低了创新技术落地的门槛。例如,在AI领域,OCP社区成立OAI项目组,帮助了芯片创新公司的设计和产品更快产业化。在边缘领域,OCP和ODCC分别设立了OpenEdge和OTII项目组,解决服务器规范和电信规范的融合问题,促进了边缘计算的普及。
OCP China Day2021设置了一天议程,1个主论坛及4大分论坛,围绕开放数据中心基础设施创新、AI/5G/边缘计算创新技术应用、产业链生态协同发展、行业应用实践等四大议题展开。
议题1:聚焦降碳增效,看开放数据中心基础设施的创新与发展
近年来,中国数据中心建设迎来高速发展期,以平均年30%左右的增速领跑全球,中国的超大规模数据中心呈现高密化、规模化发展特征,如何持续降低数据中心PUE一直备受关注。
届时,浪潮、百度、阿里、安谋科技、腾讯、朝亚、京东等企业将分享如何利用开放计算实现数据中心的降碳增效,话题围绕液冷、整机柜、异构计算等展开深入探讨。
议题2:聚焦AI、5G、边缘,看开放标准带动下的创新技术落地及应用
标准是创新技术落地的基础,是推进产业发展的重要抓手。在AI,5G,边缘计算等创新技术的飞速发展中,如果缺乏统一的技术应用标准,那么技术的普及和供应链的协同,都将是创新技术落地过程中难以逾越的“门槛”,也将阻碍数据中心的发展。
百度、腾讯、浪潮、安费诺、钰登科技、安晟培等企业将分享基于OAI标准的AI计算平台创新、基于边缘计算标准的Open Edge、OTII和AIoT边缘网关的创新与实践等话题。
议题3:聚合生态之力,看最新产业链协作成果
开放计算产业链协同是开放计算技术、标准落地的重要驱动力。目前,围绕着网络、存储、电源等产业链上下游关键组件,OCP 社区成员通过创新的产业协作模式,聚合全球最领先的科技企业,以社区的方式推动领先技术的产品化和产业化,加速数据中心的进化。
腾讯、浪潮、英特尔、英伟达、怀格、Advanced Energy、三星等企业将集中展示产业链生态协作成果,包括智能网卡、开放网络硬件、48V直流供电系统、微模块电源解决方案、存储设备振动控制等方面的新规范新应用。
议题4:聚焦应用实践,看传统行业代表如何应用开放计算
近年来,开放计算成熟度不断加强,OCP社区成员充分利用开放计算标准与技术,推出了众多创新解决方案,促进前沿技术和开放计算理念从互联网企业的超大规模数据中心向传统数据中心扩散,带动数据中心产业的高质量发展。在本届OCP China Day上,中国电信、工商银行等传统行业代表将带来开放计算创新实践,分享开放计算引入过程中的珍贵经验。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。