本文作者:英特尔公司CEO帕特·基辛格
当我18岁加入英特尔时,一想到在这样一家技术能为全世界无数人创造积极影响的公司工作,我深受鼓舞,也心怀敬畏。如今40年过去,我所感如初。我相信,这种技术带来的积极影响力,及其深远意义,能够传递给所有技术人士 ,包括每一位开发者和每一家公司。
创新在开放、众创的环境中茁壮成长,在这样的环境下,人们可以互相联系、沟通,共同对新生事物作出响应。早在1997年,我就发起了英特尔信息技术峰会(IDF),将开发者、合作伙伴和客户等不同受众聚集在一起,共同塑造跨平台技术的未来。这种自由的交流提升了我们相互学习的能力。
如今的技术专家是站在前人的肩膀上。当时迎着信息时代的曙光,企业界、学术界和政府机构协同合作,共享研发成果,借鉴各自的发明创造,奠定了对当今世界至关重要的基石:个人计算、互联网,以及连结我们成为全球化社会的网络。当时的竞争是良性有序的,而生态系统是开放的。
当今世界所面临的挑战,比以往任何时候都亟需创新,解决这些挑战需要透明度,需要开放性。比如在新冠疫情爆发初期,德克萨斯高级计算中心(TACC)的Frontera超级计算机,从分子和原子层面描绘了新型冠状病毒图谱,发挥了重要作用。研究人员需要这些细节,以了解哪些药物和疫苗方法,最有可能成功地对抗和缓解病情。但研究所需的数千台服务器、数十万个节点、软件基础设施和建模软件,是不可能一夜之间就搭建出来的。早在疫情蔓延全球之前,大学、政府机构和企业就早已开始合作,寻求解决像癌症、气候变化等关键挑战。
类似这样的例子表明,当我们彼此之间拥有开放、选择和信任时,我们共同的未来和共同的潜力将如何被释放。
这就是为什么我从根本上对开源情有独钟,它为由软件定义的基础设施提供了动力,促进了现代数据中心转型,并开启了以数据为中心的时代。英特尔在推动开放平台和塑造行业标准方面有深厚底蕴,如USB、Wi-Fi、蓝牙等,以及所有支持这些标准的API。我相信开源会使所有最终用户、开发者、合作伙伴和企业获得成功,因为它能够激发全新的研发热情。我相信一个强大、开放的生态系统将无往不胜。科技本身没有善恶之分,只有并肩合作,我们才能确保科技最终成为一种向善的力量。
无论你创建的是移动端或台式机设备,还是部署在本地或云端的企业级系统和基础设施,抑或是网络、无线或平台;无论你开发的是硬件或软件,物联网分析或大数据;无论你领导的是一家成熟的企业或是一家仍在孵化的初创公司,我们都必须为开放生态系统创造具有吸引力、便捷、安全、更好的体验。
这就是为什么今天英特尔要强调开放性,我们将:
. 基于我们在开放平台上的深厚积淀而加倍努力,旨在赋能创新、加速我们共同的未来。
. 在类似英特尔oneAPI这样的开放式软件栈方面加大投入,推动促进行业发展的标准建设。
. 通过与广泛的生态系统合作,为开发者提供更多选择。
. 携手行业伙伴,合力解决安全与分发方面的系统性挑战。
. 携手学术界和开发者,直面如神经拟态计算和量子计算等未来挑战,一切基于开放性。
另外,作为英特尔价值观的核心,我们将以包容的态度支持开发者社区的努力,拥抱多元,尊重差异,因为它们让我们变得更好。
这就是为什么我们要在美国时间10月27日和28日召开的首届英特尔On技术创新峰会(Intel Innovation)中,重拾英特尔信息技术峰会(IDF)的举办精神。我将更多地分享有关开放、选择和信任带来的影响及其重要性。
我诚邀各位技术专家和领导者加入我们,再次致力于扩大开放生态系统的力量,明天由此精彩。
好文章,需要你的鼓励
存储扩展专家Lucidity将其AutoScaler平台扩展至Kubernetes容器编排平台,帮助企业控制存储支出。该公司表示,Kubernetes中的持久卷常常成为隐形浪费源,虽然Kubernetes可自动扩展实例数量,但底层存储通常未被充分利用。新服务可为亚马逊EKS提供持久卷的自动扩缩容,声称可为客户节省高达70%的云块存储费用。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
超过1.8万Spotify用户加入名为"Unwrapped"的集体组织,通过去中心化数据平台Vana将个人听歌数据打包出售给AI开发者。该组织已将1万用户的艺术家偏好数据以5.5万美元价格售出,用于构建新型流媒体数据分析工具。Spotify对此发出警告,称该行为违反开发者政策和商标权,禁止将平台数据用于机器学习模型构建。但Unwrapped团队坚持用户拥有控制和变现个人数据的权利,双方就数据所有权展开争议。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。