2023年3月2日,珠海 —— 今日,以“行稳致远展宏「兔」,万象更「芯」创未来”为主题的2023年英特尔中国区数据中心渠道客户新春会在珠海举行,近200位来自全国各地的英特尔数据中心渠道生态伙伴、本地服务器系统设计及制造厂商参与其中。会上,英特尔详细介绍了其数据中心渠道业务与合作伙伴现状,并分享了2023年英特尔在数据中心、云计算等行业的渠道发展战略及部署。新的一年,英特尔将继续携手本土服务器厂商及ODM厂商、方案提供商、独立软件开发商等广泛的渠道生态伙伴,坚持以科技创新,驱动生态共赢,为数据中心业务的稳健发展注入不竭动力。
英特尔中国区物联网及渠道数据中心事业部总经理郭威指出:“随着英特尔加速执行力,提振创新力,我们将能以更全面的能力服务好产业伙伴和客户。未来,英特尔将以立足长远的信心和对中国市场的坚定承诺,携手中国产业伙伴与客户进一步深化创新,为整个行业带来盎然春意。”
英特尔中国区物联网及渠道数据中心事业部总经理郭威现场发表致辞
作为数据中心产业伙伴生态的重要组成部分,英特尔一直以来积极联合各类生态伙伴在渠道业务上精耕细作,打造基于不同行业的细分化解决方案。英特尔数据中心渠道业务自2008年发展至今,已基本完成对于渠道通路的多维度覆盖,囊括了横跨多个应用领域、连通数据中心服务器上下游产业链的渠道生态伙伴。基于此,英特尔亦致力于深耕各细分领域,通过引入更多“活水”润泽数据中心渠道生态。如今,英特尔数据中心渠道生态又迎来了包括华勤技术、记忆科技、立讯精密、闻泰科技、同泰怡等在内的8位本地ODM伙伴的加入,这意味着英特尔将基于对众多行业发展趋势的精准把握和产业实际需求打造更具通用性的系统解决方案和创新产品,在服务终端用户的同时,推动产品技术同步创新,助力数字技术与实体经济的深度融合。
与此同时,为进一步聚合广大生态伙伴,强化产业链间的高效沟通协作并构建通用服务器产业技术创新链,英特尔亦依托英特尔®合作伙伴联盟(IPA),发起开放、协作的开放通用服务器平台(OCSP)社区,并于2022年7月正式启动运营。该社区秉承“求同存异”的理念,旨在通过共同定义开放优化、标准统一的服务器规范和行业标准,在保证社区合作伙伴的服务器产品差异化的同时,有效减少服务器研发的重复投入,并通过优化的服务器硬件和成本降低服务器设计门槛,助力国内厂商提升产品迭代效率。目前,OCSP社区成员已从首批的57家扩展至来自不同领域的89家OEM、ODM、部件及方案厂商,并共同研发了多项符合规范的EGS主板与机箱。同时,该社区亦将不断吸收领先的产品技术和创新设计,完善与更新OCSP规范,继续推动覆盖数据计算、数据管理、数据挖掘的方案设计及其应用发展,高效支持行业用户对计算基础设施不断增长的需求,构建起更为完善、成熟的数据中心生态系统。
除了长期以来对于强化数据中心生态布局的投入,英特尔亦坚持通过领先的产品组合与不断创新的前沿技术为渠道生态“注入”更多活力。自今年1月11日,英特尔正式推出代号为“Sapphire Rapids”的第四代至强可扩展处理器,并宣布通过丰富的内置加速器以实现数据中心性能、能效和安全性的大幅跃升以来,第四代至强可扩展处理器已经被诸多行业伙伴应用到实践中,并凭借其优异的性能表现,助力千行百业的数字化发展。本次大会期间,包括宝德计算机、烽火超微、珑微系统等在内的逾20位厂商亦展示了其基于第四代至强可扩展处理器的实践应用案例。
2023年英特尔中国区数据中心渠道客户新春会现场,基于第四代至强可扩展处理器的案例展区(1)
2023年英特尔中国区数据中心渠道客户新春会现场,基于第四代至强可扩展处理器的案例展区(2)
做深合力才能做大行业增量,提振发展动能。基于此,英特尔秉承“水利万物而不争”的生态理念,致力于基于对数字化时代算力发展趋势的深度洞察,通过多样化的渠道生态伙伴相互紧密协同和融合创新,全方位加速数据中心渠道建设,进一步推动数据中心生态的蓬勃发展。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。