4月12日,主题为“可持续·共未来”的2023英特尔可持续发展高峰论坛于北京举办。英特尔公司首席执行官帕特·基辛格,英特尔公司高级副总裁、英特尔中国区董事长王锐,英特尔各业务部门负责人以及来自业界的近400名嘉宾出席该论坛。在论坛现场,基辛格发表了“携手共创可持续的未来”的主题演讲,强调英特尔正在加快步伐通过系统性变革、技术创新和全行业合作推进实现可持续发展的目标。近期,英特尔也作为主要贡献者参与冷板团体标准制定,以推动低碳节能数据中心的建设。中国电子学会副秘书长曹学勤也出席论坛。
推动可持续发展,减缓气候变化带来的不利影响,是一项宏大且需要长久努力的工程。基辛格在演讲中提到,我们正处在万物数字化的时代,科技改变着我们生活的各个方面,芯片是让这一切得以发生的驱动力。英特尔正以五大超级技术力量,即无所不在的计算、无所不在的连接、从云到边缘的基础设施、人工智能以及传感与感知助推数实融合。进入数字时代,构建可持续发展的未来,离不开数字化和绿色化的协同发展。
“英特尔始终投身于开创可持续计算新时代。一方面,英特尔将可持续发展理念贯穿产品、平台、软件和服务设计的始终;同时,我们携手践行可持续发展的供应商、制造商和分销商共同减少碳足迹;此外,英特尔还通过推动开放式创新支持伙伴实现可持续发展目标。”基辛格表示,“中国生态伙伴们在可持续发展方面的积极目标让我们深受鼓舞,我们将继续利用自身在个人电脑、数据中心和智慧边缘等领域的技术和专长,支持中国数字经济发展和可持续发展目标,帮助打造可持续未来,真正践行宏旨,也就是‘创造改变世界的科技,造福地球上每一个人’。”
践行可持续发展同样是英特尔中国2.0战略的一个关键发力点,王锐表示:“可持续发展离不开‘数字化×绿色化’的相互协同。英特尔一方面在自身的生产运营中践行可持续发展,同时携手中国生态伙伴,推动数字技术赋能对生态环境的智慧治理和保护,并通过行业协作,推动可持续计算融入到千行百业的数字化创新中,共同迈向可持续的未来。”
数字经济时代,数据中心已成为支撑数字经济高速发展的底座,其规模在迎来高速增长的同时也面临着低碳化的迫切要求。英特尔数据中心与人工智能集团副总裁兼中国区总经理陈葆立围绕处理器硬件、系统及软件与工具创新,具体分享了英特尔的举措和成果。其中,英特尔作为主要贡献者参与制定冷板团体标准,该标准由英特尔携手业界20余家生态伙伴共同编纂并发布,旨在通过将冷板液冷技术的规范标准化,降低产业与技术门槛。与此同时,英特尔与生态伙伴一同通过简化设计与替代材料的选择等举措,推动成本优化措施,加速方案落地。基于英特尔最新一代数据中心平台,英特尔亦与本地服务器厂商一同推动浸没式液冷创新,以加速浸没式液冷解决方案落地,并实现对下一代更强大算力产品的散热方案支持。此外,为助力生态伙伴打造更低碳节能的解决方案和参考设计而诞生的绿色数据中心技术框架2.0也于同天发布,该框架在1.0版本的基础上将可持续理念深入贯穿至源头的原材料及设计中,通过可降解PCB、负责任材料计划及模块化服务器设计等,大幅降低数据中心整体生命周期能耗。
PC作为重要的生产力工具和人们获取信息的重要来源,同样面临着可持续发展的需要。英特尔中国区客户端与分销平台业务部总经理宗晔在演讲中阐述了英特尔携手合作伙伴,从“设计、制造、使用、回收”四大关键环节发力,在目标和实现路径上着手,落实“从摇篮到摇篮”全生命周期的低碳绿色电脑理念,助力PC产业低碳可持续发展。
新基建中的5G网、电力网和交通网有效地打通了信息流、能源流以及人流物流,是促进中国经济高质量发展的大动脉,其可持续性尤为重要。英特尔中国区物联网及渠道数据中心事业部总经理郭威分享了英特尔如何在新基建领域汇聚生态之力,通过网络与边缘技术,与合作伙伴共同打造低碳节能解决方案,连结可持续数字化未来。
英特尔与生态伙伴携手构建可持续未来
一直以来,英特尔用实际行动践行“以可持续计算,通往可持续未来”的使命。未来,英特尔将继续发挥优势和影响力,通过自身技术和行业合作,为可持续发展助力。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。