2022浪潮信息生态伙伴大会(IPF22)将于3月17-18日在线上举行。本届大会以“智算创见 数实相融”为主题,汇聚两院院士、顶尖学术机构、知名科技公司等产学研用政各界代表,共同探讨数实相融趋势下的智算创新与实践。
线上报名链接:
https://www.inspur.com/events/ipf2022.html?sales=bht8bt9g94qqa3n6znfsxyudsx1kwni9&discountCode=IPFFWHTW
学术领袖与产业专家全方位解读数实相融
云计算、大数据、人工智能、5G等新兴技术的不断涌现,正加速智慧计算时代的到来,驱动经济社会从信息化到数字化再到智慧化的转型。国家十四五规划提出了“数字中国”整体建设目标,也为IT产业指出了未来的发展方向——深度融入传统行业的转型升级中。数实相融,既是实体经济与数字经济的融合,也是物理世界与数字世界的融合,正把物理世界越来越多的本质规律投射到数字世界,不断在新数字空间中创造新的交互触点、新的交互体验。
随着数实融合的不断加深,计算机会获得越来越丰富的数据,发现创新点的能力会越来越强,成为创新的重要技术力量。以前,有多少计算力就有多少生产力;未来,有多少智算力就有多少创造力。
在IPF22期间,中国工程院院士、浪潮首席科学家王恩东将带来“智算开启数实融合新蓝图”的主题演讲,系统阐述数实相融趋势下智算创新面临的挑战与解决之道;中国科学院院士、厦门大学嘉庚创新实验室主任田中群,将在大会上分享电池新材料研究中的智慧计算应用经验和方法。
此外,中国电信天翼云、京东科技、TCL华星光电、蔚来汽车、IDC、清华大学等各界专家学者和产业伙伴,也将在IPF22上分享智算预见的新格局、数实相融的新实践、以及创新驱动的新突破。
《2021-2022全球计算力指数评估报告》即将发布
浪潮信息与IDC在IPF21上首次发布了《2020全球计算力指数评估报告》,报告指出,计算力与经济增长紧密相关,计算力指数平均每提高1个点,数字经济和GDP将分别增长3.3‰和1.8‰。年度全球计算力指数评估报告是首个基于计算力指数的专项调研报告,旨在深入揭示经济发展与计算力的关系,为全球数字经济带动经济发展和新基建提供参考意见,该报告的更新也成为外界一大关注点。
算力对经济的拉动效应是持续增加还是趋于放缓?中美领衔的全球算力分布格局是否有所改变?谁是行业算力使用的“新头羊”?……种种悬念,在IPF22上重磅发布的《2021-2022全球计算力指数评估报告》将一一揭晓。
智算创见,分享前沿技术成果
作为浪潮信息一年一度的生态盛会,IPF大会也成为外界了解浪潮信息最新产品与技术的绝佳窗口。在去年的IPF21上,浪潮信息一举发布了“扬子江”AI服务器、最强AI服务器NF5488、超强视频加速器M10A等6款智算新品。今年IPF22上,在智算中心、巨量AI模型、绿色液冷等领域,将会有哪些重量级创新成果推出,值得期待。
关于浪潮信息生态伙伴大会IPF:IPF大会是全球IT基础架构领域的TOP级峰会,始于2014年。大会致力于以智算连接技术与产业,助力数字经济与实体经济的融合发展。来自全球的院士学者、技术专家、政府官员、产业领袖等嘉宾先后受邀在IPF大会上发表主题演讲,描绘智慧计算驱动下的产业发展趋势与蓝图,发布全球趋势洞察报告,分享数字城市、智能制造、科研探索、智慧能源、信息通信等行业的数字化转型实践与思考。
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。