青云科技 AI 算力发布会以“云集澎湃算力·共筑AI新纪元”为主题,正式发布了青云 AI 算力调度平台及青云 AI 算力云服务,面向算力革命提供新架构、新产品与新服务。
AI 带来更大的市场需求与机会,青云科技立足深耕云计算十余年的技术积累与运营经验,携手生态合作伙伴,以经过实践检验的 AI 算力调度平台能力服务算力中心的建设者与运营者,实现多元算力统一调度、多类型业务应用兼顾、高效运维与运营,以青云 AI 算力云服务为企业与开发者提供从算力到应用的完整服务。
AI 算力调度平台——让算力中心运营更智能、更简捷
青云 AI 算力调度平台致力于打造算力中心建设运营的新模式,实现对GPU 算力、CPU 算力、HPC 算力、多存储、多模型资源、数据资源等多元资源的统一管理,打破网络速度瓶颈和环境搭建复杂等制约,面向多业务场景,提供多租户、计量、计费等丰富的运营功能,达到“像管理本地资源一样管理 AI 基础设施”的目标,全面提升算力中心的运营效率与平台能力。
整体而言,青云AI算力调度平台具备自主创新、功能完善、智能运维、成熟运营、开源开放、安全合规、中立可靠、灵活部署八大优势,具备即刻调度扩容数万卡资源、设置最短优先调度链路、支持异构平台、提升感知作业级单卡颗粒度等能力。
围绕灵活调度、高速并行存储、分布式调度与管理、多区多业务资源整合、算法开发支持、混合组网、容器推理服务平台、模型仓库(MaaS)、AI训练平台九大关键能力,青云 AI 算力调度平台提供多元算力统一调度的同时,具备分布式调度与管理能力,并能够统一纳管多种异构硬件设备,提供开放的应用框架,既能通过智简运维运营帮助算力中心的建设者与运营者实现精细化管理,又能通过丰富的应用生态使能算力中心为最终用户快速落地业务场景。
国家超级计算济南中心已经成功在青云 AI 算力调度平台的技术能力支撑下,通过一个超级计算平台,统一管理高性能计算、云计算、人工智能计算、数据存储备份、工业仿真计算等资源模块,纳管异构算力,运营多元算力,服务于科研计算应用、政务云应用、智慧城市应用等多元化业务。
AI 算力云服务——让企业 AI 落地更轻松更便捷
青云 AI 算力云服务从“为客户提供完整的解决方案”出发,聚焦自身能力,通过开放生态,联合AI软硬件供应商、算法模型服务商、各地不同规模的算力服务商以及行业应用服务商等,深度融合算力、算法、行业数据以及场景应用能力,让 AI 真正能释放出业务价值。
面向企业用户,青云 AI 算力云服务提供算力资源、存储资源,以及镜像仓库、容器推理、高速 IB 网络等能力,让企业快速拥有灵活智能的 AI 计算资源,满足他们从训练、到数据清洗、再到推理的复杂需求,承载AI 应用,支撑开发、测试、上线、运行等应用生命周期,并且能够兼顾成本敏感与延迟敏感。
本次发布会上,智谱 AI、无问芯穹、数慧时空、感易智能作为青云科技合作伙伴,分享了各自在大模型应用落地过程中观察到的痛点、行业需求及解决之道,为企业落地 AI 提供切实路径。
青云科技总裁林源表示,“我们希望通过开放、成熟、可运营的AI算力调度平台,通过自营、合营乃至支撑第三方运营的方式,与生态同盟一起贡献‘AI Cloud’。而青云要做自己擅长的事,立足 AI 算力调度能力,在数字经济新场景中迎来新发展。”
拥抱 AI 带来的新变化,迎接 AI 带来的新挑战,把握 AI 带来的新机遇,青云科技将始终聚焦技术创新能力和行业落地实践,坚持开放共赢,与客户、合作伙伴紧密支撑,共筑 AI 新纪元!
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。