2022年7月29日,中国算力大会在山东济南召开。由中国电子技术标准化研究院联合华为技术有限公司及鹏城实验室、北京航空航天大学、中国移动、中国电信、中国联通、武汉人工智能计算中心、西安未来人工智能计算中心等单位编写的《计算中心有效算力评测体系白皮书》,在会上正式发布。中国电子技术标准化研究院信息技术研究中心人工智能研究室主任徐洋对《计算中心有效算力评测体系白皮书》进行了解读。
当前,数字经济快速发展,对计算中心提出了更高的要求。高效的计算中心评测体系是计算中心高质量建设和发展的必然要求。基于此,白皮书定义了计算中心有效算力的概念和内涵,给出了有效算力的评测指标和评测方法,以及有效算力和有效算力评测指标体系的应用场景、标准进展与下一步规划。
白皮书的发布,将以有效算力为衡量方式牵引计算中心新型基础设施高质量建设,达到以业务应用为牵引、以全栈优化为手段、以节能增效为目标的计算中心建设,提升计算中心新型基础设施建设的质量,支撑数字经济等宏观政策与顶层设计落地。(白皮书下载链接:https://www.aipubservice.com/airesource/fs/202207290001.pdf)
面向人工智能计算中心、高性能计算中心,和一体化大数据中心等多种场景,华为已经推出集群计算解决方案,通过系统工程与架构创新,实现从能源效率指标PUE(Power Usage Effectiveness)最佳到有效算力指标CUE(Computing Usage Effectiveness)最佳的跨越。目前,该集群计算解决方案已用于武汉、西安、中原、成都、南京、杭州等各地的人工智能计算中心项目。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。