北京2023年11月9日 -- 11 月 9 日上午, 作为2023世界互联网大会分论坛之一,“算力网络协同创新论坛”在乌镇云舟宾客中心水天阁成功举办。IBM 作为世界互联网大会的会员单位,与人民网共同负责本论坛的协办工作。自从2014年首届世界互联网大会举办,IBM 一直深度参与其中,并通过这一平台加强与行业的交流,共同推动科技进步、促进技术落地。
本次论坛,IBM副总裁、全球主机及LinuxONE总经理Jose Castano,IBM 副总裁、IBM 大中华区首席技术官、世界互联网大会人工智能特设工作组副组长谢东应邀出席,针对科技赋能算力网络协同发展和可持续发展方面,结合自身可持续计算和数字化转型方面的创新能力,将企业“既要独善其身,也要兼济天下”愿景的落地实践,与各行各业嘉宾展开了探讨与分享。
IBM 科技赋能算力网络,助力中国数字经济发展
随着数字经济时代全面开启,算力正以一种新的生产力形式,为千行百业的数字化转型注入新动能,成为经济社会高质量发展的驱动力。算力网络作为算力的主要载体,是支撑数字经济发展的重要基础设施。
IBM副总裁、全球主机及LinuxONE总经理Jose Castano 发表主旨演讲时提到:“ 中国的经济发展规划非常重视数字化、智能基础设施建设、以及数字驱动的创新、可持续性和安全性等。这些领域也是 IBM 未来技术发展规划中的重点聚焦,包括混合云、AI、数据、自动化、安全以及量子计算。IBM 基于服务行业客户的深厚经验,将这些技术转化为生产力,并促进创新,助力中国数字经济全面发展。”
IBM副总裁、全球主机及LinuxONE总经理 Jose Castano
在具体谈到技术的应用实践时,Jose 分享了 IBM 为花旗银行制定的基于 IBM LinuxONE 的安全可持续的高密度整合解决方案,将关键工作负载整合至 IBM LinuxONE,解决了服务器数量激增的问题,性能提升 15%,节能减碳 50%。同样的技术,正在被更多的中国客户所应用。
“随着我们业务的增长和变得越来越‘数字为先’,采用传统的IT解决方案会增加更多的物理服务器,同时增加所需的机房空间。而采用托管在 IBM LinuxONE 上的 MongoDB,则可以提供垂直扩展和针对数据泄露与网络攻击的关键保护,有助于优化数据中心,同时降低我们的整体碳足迹。”花旗银行技术基础架构部常务董事 Martin Kennedy说道。
将AI和绿色可持续发展相结合,让算力网络的发展更高效、更环保
在“AI赋能绿色可持续发展”高峰论坛上,作为本次世界互联网大会人工智能特设工作组副组长,IBM 副总裁、IBM 大中华区首席技术官谢东参与了圆桌讨论。谈到AI对算力网络发展的影响时,他提到:“算力网络和人工智能在近些年飞速发展,尤其ChatGPT让我们看到了AI的强大能力。IBM 作为人工智能的先驱,今年发布的 watsonx就是希望把现有算力网络的能力和AI能力,更好的带给企业。”
IBM 副总裁、IBM 大中华区首席技术官 谢东
在谈到 AI 赋能绿色可持续发展话题时,谢东提到:“绿色可持续发展,是每个企业都应该担起的企业社会责任。IBM在七十年代就开始关注 IT 对环境的影响,并承诺在2030年实现温室气体的净零排放。为了实现这一目标,我们打造了一套完整的‘全栈可持续计算解决方案’,很荣幸这个方案在本次互联网大会上,获得了精品案例奖。我们希望把这样的全栈式绿色解决方案和实践案例,带给更多的中国企业。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。