近日,英特尔在深圳举办以“智绘混合AI新篇, 赋能生成式 AI 无处不在 -- OpenVINO™ 2024 焕新启航”为主题的OpenVINO™ DevCon中国系列工作坊2024活动,此次活动汇聚了英特尔产品专家、行业领先技术大咖以及众多合作伙伴,通过炉边谈话、演讲环节和动手实操等多种形式,共同探讨在混合AI架构中,如何使用OpenVINO™,基于英特尔Meteor Lake架构的酷睿Ultra处理器,让更多AIGC大模型解决方案在AI PC与边缘设备端上成为可能。同时,在这场科技盛宴中,英特尔与大家深入探讨并实践了全新OpenVINO™ 2024.0版本,为开发者提供更为强大的性能支持和扩展能力,助力开发者高效利用AI加速技术。
英特尔中国区网络与边缘事业部首席技术官、英特尔高级首席AI工程师张宇博士表示:“我很荣幸能够见证并推动混合AI的变革,OpenVINO™已成为开发者优化和部署AI模型的得力助手。随着Meteor Lake的问世,英特尔将进一步提升对在PC和边缘设备上部署AI大模型的支持力度,携手全球开发者共同开拓混合AI的广阔天地,助力各行各业实现智能化、高效化的服务升级。”
本次OpenVINO™ DevCon 2024首场活动采取了线上与线下相融合、理论与实践相交织的多元化形式,旨在为开发者们提供一场系统进阶与技术提升的全能盛宴。在炉边谈话环节,行业专家与开发者们深入交流,介绍了英特尔Meteor Lake架构亮点,以及基于AI PC、边缘AI和混合AI的生成式AI的发展趋势,同时还分享了OpenVINO™如何助力生成式AI无处不在的愿景,一同探讨前沿开发趋势,展望AI技术在未来社会中的广泛应用。演讲环节则是通过生动的案例和详实的数据,全面展示OpenVINO™如何显著提升生成式AI和LLM性能,实现更快、更智能的推理,加深开发者们对OpenVINO™强大功能的认识。而此次活动的另一大亮点,无疑是动手实操环节。在这一环节中,技术专家们带领开发者们进行了实战演练,使用基于英特尔Meteor Lake架构处理器的AI PC,处理不同场景下的AI任务需求,利用OpenVINO™优化LLM部署任务,让开发者们直观体验OpenVINO™的实用和高效,助力技术提升。
在此次OpenVINO™ DevCon中国系列工作坊活动期间,英特尔揭开了OpenVINO™ 2024.0的神秘面纱。该版本不仅融入了前沿技术,更带来了诸多实用优化,使得AI加速功能更加得心应手。全新OpenVINO™ 2024.0版本覆盖并验证了更多的生成式AI模型,并支持KV缓存压缩及混合专家(MoE)架构,显著提升了AIGC和大语言模型(LLM)的性能和运行效率,降低了资源消耗。同时,新版本实现了对英特尔NPU的接入,这些优化和改进不仅让生成式AI加速更为顺畅,也为用户带来了更优质的使用体验。
英特尔中国网络与边缘事业部OpenVINO™产品营销及开发者生态总监王珅表示:“OpenVINO™在生成式AI领域不仅助力开发者高效利用AI加速技术,更致力于推动整个生态的繁荣。我们持续创新,倾听市场声音,力求为开发者提供更卓越的产品体验。未来,OpenVINO™将继续秉持开放合作的精神,携手生态伙伴,共筑AI产业未来。”
现场AI开发者表示:“我最直观的感受就是:基于搭载最新一代英特尔® 酷睿™ Ultra处理器的AI PC,使用了OpenVINO™后,大模型的推理速度已经能够和很多独立显卡加速的机器相媲美了,而且它具有更低的功耗、更小的体积。在仅仅电池供电的情况下,就能完成这种规模的推理加速任务,给我的体验是非常震撼的。”
为了深入推进人才培养与发展,加强开发者社区之间的合作与交流,本次活动还与英特尔人工智能创新应用大赛同步进行。英特尔将与开发者们一同探索更多的应用场景,引领开发者们实现AI应用创新。英特尔一直致力于完善生态布局,此次更是携手本地合作伙伴共同举办这场赛事,旨在与更多的开发者建立紧密的联系,共同开拓生成式AI领域的无限潜力与可能。
从OpenVINO™工具套件的不断升级,到生成式AI和大语言模型性能的显著提升,再到与产业生态伙伴的紧密合作,英特尔以科技之力,引领AI产业的创新浪潮,为行业注入强大动力。展望未来,英特尔将继续积极拥抱开放与开源的力量,致力于推动技术创新,并高度关注人才培养,为更多开发者提供广阔的学习与成长平台,共同推动AI产业的蓬勃发展,开启一个更加智能化、高效化的新时代。
好文章,需要你的鼓励
阿里巴巴集团正在马来西亚和菲律宾新增数据中心以推动AI驱动增长。该公司云计算部门本周在马来西亚启用第三个数据中心,并计划10月在菲律宾开设第二个数据中心。阿里云还在新加坡设立全球能力中心,帮助超过5000家企业和10万名开发者使用先进AI模型。未来三年内,阿里巴巴将在全球多个地区加速云网络建设,承诺在AI基础设施上投资超过530亿美元。
Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法,即使2B参数的小模型也能在翻译质量上匹敌70B大模型,同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力,为AI模型的专业化发展提供了重要参考。
在人工智能与神经科学交叉领域的研究中,科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今,实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官,这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系,以及大脑-眼部缩放关系,为人工智能研究提供启发。
莫斯科科学家开发出"听众机制"训练方法,解决AI视觉偏好判断中推理不一致问题。通过让两个AI模型相互"对话"验证推理过程,新方法在ImageReward基准上达到67.4%准确率,并在现代图像数据集上显著提升泛化能力,为开发更可靠可解释的AI系统提供新思路。