11月29日,在“进化·智能·算赋新生”新华三智慧计算新品发布会上,新华三集团为与会者分享智慧算力的发展趋势,并带来新华三“内生智能·成就智慧计算”战略全新解读:以数算双核驱动的可进化架构,赋能从数据产生到算力释放的全过程,通过云、网、边、端的海量数据赋能核心算法,让算力可以为智能服务。
新华三集团副总裁、计算存储产品线总裁徐润安
数字经济进入高速发展期,企业智慧计算需求升级
当前,中国数字经济迅猛发展,牵引算力需求,尤其是全国一体化大数据中心体系、“东数西算”工程、“双碳”战略等大动作,加快了算力基础设施建设进程。截至2022年6月底,我国在用数据中心机架总规模超过590万标准机架,服务器规模约2000万台,算力总规模超过150 EFlops,近5年平均增速超过30%,算力规模排名全球第二。
在徐润安看来,算力供应已经走过“从无到有”、“从少到多”阶段,企业算力需求正在从“有得用”向“用得好”进化。这是因为数字技术向社会各个角落进一步渗透,百行百业进行业务数字化、智能化转型,智慧城市、智慧生活、智能制造等新业态开始大规模落地,对算力应用提出新的挑战。
举例来说,在整个计算流程中,算力调度、算力负载、数据迁移、数据同步都会带来大量损耗,算力效率问题不解决,企业继续堆砌服务器,会造成额外的支出;再比如,各类数字应用尤其是对实时计算要求较高的应用,需要硬件与软件高度协同,让算力输出始终保持在“最佳区间”,才能实现业务的稳定性与可靠性。
对此,徐润安认为,现阶段智慧算力要与产业需求同频共振,往多元泛在、智能敏捷、绿色低碳、持续进化方向发展,才能更好支撑5G、大数据、人工智能、云计算等新一代信息通信技术的创新,为各行各业生产效力提升、商业模式创新、服务能力优化提供有力支撑。
战略与技术双重进化,新华三打造算力“最优解”
对企业而言,具体需要什么样的智慧计算基础设施?作为数字化解决方案领导者,新华三集团很早就在长期深耕实践、服务客户的过程中有所洞察:计算基础设施不能仅限于算力生产,还要提供算力服务,帮助企业以最简易甚至自动化的方式,实现算力效率与效益的最大化,支撑业务落地与创新。
2020年,新华三集团发布智慧计算战略“内生智能·成就智慧计算”,提出智慧计算不仅要提供强劲、高效的算力为人工智能等新兴应用提供支持,更要立足于智能的平台,实现算力的管理与调度,让企业能够更高效、敏捷、稳定地使用算力。
两年后,随着数字经济蓬勃发展,人工智能等技术得到进一步普及,数字应用与场景结合更加深入,带来算力需求的高度差异化。举例来说,自动驾驶与智能制造都大面积应用了人工智能技术,但两者计算模式、计算负载、数据吞吐、数据类型并不相同,对算力要求也不一致。同时,企业IT基础设施更趋于一体化和原生化,将算力生产应用流程嵌入整个业务环节,以更好支撑智慧应用高效运作。
企业算力需求在变化,新华三集团“内生智能”的IT战略也随之演进,徐润安表示,智慧IT需要从底层硬件、中层平台到上层应用提供全栈智慧计算能力,打通感应负载、分析算力、生产算力、高效聚合、智能调度、全面释放等环节,结合企业自身智慧业务特征,找到算力的“最优解”,并持续升级进化,才能跟上数字经济高速发展的需求。
这背后是新华三集团在智慧计算领域清晰的“软硬结合”进化路径:在硬件层面通过模块化设计,充分结合用户算力场景来优化计算单元,同时打通异构计算之间传输限制,为未来多元异构算力发展铺平道路;在软件层面通过内置AI算法进行算力调度与设备管理,同时不断对算法进行训练调优,助推IT基础设施升级进化,与企业应用场景和业务发展保持高度贴合。
目前,新华三集团已形成智慧计算体系“一体·两中枢”,覆盖所有计算场景体系的同时,提供智能化的管理与调度能力,既能充分实现底层基础设施高效协同,又能敏捷响应百行百业智慧应用,让每一分算力“用到刀刃上”。
“自‘内生智能’战略发布以来,新华三集团服务器与存储产品一直位居国内市场前二。”徐润安认为,新华三能够在计算市场稳步向前,正是切中了数字化转型大潮对于智慧计算的深度需求,“打造更适用于数字时代的计算产品,要具有前瞻战略性,在技术产品革新上‘想在客户之前’,还需要聚合生态力量,联合产业合作伙伴共研共建。”
“高效、绿色、智能,是未来智慧计算产品的标配。”徐润安强调,“新华三集团智慧计算将始终‘保持进化’,构建未来就绪的可进化算力,发挥技术领先与产品全栈优势,助推计算产业进入智能时代,服务我们的客户和合作伙伴,成就数字时代下的智慧创新。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。