当前,大模型发展不断深化,为AI领域带来了巨大的变革和突破。
在细分行业落地过程中,大模型对算力的需求愈发复杂,比如算效、适配、应用等,这需要系统性的AI计算方案提供全方位、全周期支持。
宁畅总裁秦晓宁表示,大模型狂欢的背后是对整个AI支撑能力加速迭代的提升。基于此,宁畅发布“全局智算”战略,并揭幕了包括“AI算力栈”在内的一系列战略性新品与系统解决方案,旨在有效解决大模型产业落地的全周期问题。
客户需求催生全局智算
在百模大战中,算力是入场券。不过,算法协同优化、数据处理能力、模型可解释性以及与特定行业应用的融合度也是不容忽视的重要因素。
在秦晓宁看来,大模型发展到现在,客户的需求大致呈现了两个阶段的变化:
第一,大模型的1.0阶段,就是百模大战的时期。这个阶段是科技巨头之间的参数竞赛,大模型厂商第一要务就是要购买更多更快更强的算力,就是要买更多的GPU服务器。
不过在这个阶段需要解决算效的难题,提升算、网、存、管四个方面的全面能力,形成极致的算效体系,从而提升在算力的训练当中的利用率。
第二,大模型的2.0阶段,从参数的竞赛走向了商业化、产业化的落地。这个阶段不仅需要算力硬件,还需要需要在算力、算法、数据三个维度来提供更需要更强的支撑。
在产业垂直落地场景当中,客户需要精调行业模型,这就要求模型的精度和效率。由于需要考虑数据的安全合规性,还要进行高质量的数据清洗、治理、标准等一系列的工作。
面对客户复杂的需求,全面的AI支撑能力体系必不可少。
宁畅“全局智算”战略通过全栈智能计算能力,以及涵盖硬件、软件、算法、液冷和服务质量等多个维度的系统性AI计算方案,提供从咨询到运维的全流程服务,满足全行业用户大模型开发、适配、部署的全场景需求,并按用户发展阶段,定制专业且性价比高的AI计算方案。
“除了全面的基础设施产品覆盖,我们的人员能力也在同步跟进,可以结合客户的个性化需求,提供开放性的综合解决方案。”秦晓宁说,“客户最终还是选择对他有价值的长期合作伙伴而不是一个简单的硬件买卖的关系。”
AI算力栈
全局智算体现在产品和方案便是宁畅的AI算力栈。
宁畅CTO赵雷表示,宁畅的AI算力栈包括硬实力(硬件)、软动力(软件)、服务力(服务)。宁畅以底层硬件到顶层应用平台的系统化方案,构建全栈AI环境,满足大模型落地所需的计算、存储、网络、建设、管理、应用及液冷等需求。
例如宁畅拥有非常完整的产品线,宁畅B8000液冷整机柜服务器作为AI算力栈最具亮点的交付形态,采用电、液、网三路全盲插设计,部署周期相较传统方式提升30倍。
宁畅并借助软件提升AI的运算能力和产品使用率。软件层上,基于系统工程及算法模型,以AI算子全栈优化能力,为AI业务提供并行加速、性能分析、模型开发优化等服务支持,构建出从算力资源定制,到模型适配优化,再到高效部署落地的大模型算力服务闭环,帮助用户极速推进AI应用开发及管理。
此外,在智算中心建设大潮下,AI算力栈方案以其全面、灵活、深度的支撑能力,可为行业级/企业级智算中心的构建提供强有力的支持,确保智算中心的建设既符合当前业务所需,又具备前瞻性与适应性。
为加速赋能用户,国内首个AI算力栈——宁畅NEX AI Lab(Nettrix AI Open Lab)已在桐乡市成功落地,NEX AI Lab集成加速计算节点、全闪存存储节点,可为GPT、LLaMA、Stable Diffusion等AI模型,提供多元场景应用优化支持。目前,NEX AI Lab已开放预约试用,以支持用户体验大模型、数据科学、推荐系统等领域的解决方案工作流。
据悉,“AI算力栈”方案将进一步落地汽车、互联网、制造、金融、能源、科研等领域,成为推动数字化转型、实现智能化升级的核心引擎。秉持“全局智算”战略,宁畅携手千行百业伙伴共创更美好的AI未来。
结语
秦晓宁说,“全局智算”战略的公布只是开始,宁畅拥有清晰的可落地的执行技术和产品,并为此进行了充足的准备工作。
展望未来,算力在当前数字经济中起到了核心作用,宁畅的“全局智算”战略通过构建全新的算力生态系统推动经济的持续增长和创新。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。