近日,以“智能元启 创见 共行”为主题的浪潮信息生态伙伴大会(IPF2024)在北京举行。会上,英特尔与浪潮信息共同展示了双方在构建智能算力基座、推动高能效数据中心建设等方面的实践探索与前瞻布局,这也彰显了技术创新对于行业发展的助推作用。

浪潮信息生态伙伴大会(IPF2024)
浪潮信息强调,发展“人工智能+”应以应用为导向,系统为核心,激发创新活力、拓展创新路径、加速创新落地。公司董事长彭震指出,应用创新需要算法、算力和数据协同发展,应以系统创新推动AI高速发展。本次活动上,浪潮推出了AI通用服务器和超级AI以太网交换机,并发布了EPAI种子计划,赋能伙伴商用大模型开发能力。

浪潮信息董事长彭震
AI时代,释放创新潜力
英特尔受邀出席本次IPF2024生态伙伴大会并发表主题演讲。会上,英特尔市场营销集团副总裁、中国区总经理王稚聪指出,近年来,互联设备数量的激增推动了海量数据融合发展,全球计算需求呈指数级增长。强大的处理能力能够有效满足上述需求,而以AI为代表的创新技术正是引领计算新时代的关键。
王稚聪谈到,秉持“智能 多元 开放”的策略,英特尔的愿景是让AI无处不在,助力用户能够在尽可能多的应用中轻松集成并高效地运行AI,广泛覆盖从云端到本地PC和边缘设备。

英特尔市场营销集团副总裁、中国区总经理王稚聪
AI加速,构建智算基石
活动上,英特尔市场营销集团副总裁、中国区数据中心销售总经理兼中国区运营商销售总经理庄秉翰与浪潮信息总经理赵帅共同发布了支持千亿参数大模型运行的AI通用服务器NF8260G7。庄秉翰表示,英特尔正不断在新平台上增强AI功能。例如,第四代英特尔至强可扩展处理器增加了AMX(高级矩阵扩展)指令集,与上一代平台相比,其推理和训练性能提高了10倍以上。第五代至强可扩展处理器提供更高的计算能力、高速缓存和内存带宽,同时也通过优化软件栈来提升AI性能。而在刚刚结束的Intel Vision 2024大会上,英特尔宣布了英特尔至强6的全新品牌,基于性能核(P-Core)的至强6产品将进一步软硬协同以增强AI功能。
庄秉翰强调,英特尔将AI计算能力融入各项技术中,提供异构架构以快速部署AI,并通过工具包、软件和框架支持AI生态系统。他还表示,“英特尔与浪潮信息共同致力于推动中国千行百业的数字化和智能化转型,为企业提供了全方位的解决方案。在AI新时代,我们将会继续深化合作,并携手生态合作伙伴共同推进行业的发展。”

英特尔市场营销集团副总裁、中国区数据中心销售总经理兼中国区运营商销售总经理庄秉翰(左)与浪潮信息总经理赵帅(右)
强大算力,惠及云边端
在大会展区的技术小课堂,英特尔进行了丰富的技术演示。举例来讲,具备强大灵活性的英特尔至强处理器在与内置AI加速器的深度学习能力结合时,能够很好地适用广泛且多样化的AI工作负载。不仅如此,英特尔至强处理器还能够提供良好的大模型推理性能,这也使其成为构建轻量级AI算力平台的优选。英特尔与浪潮信息合作的AI服务器训推一体机,将为企业用户提供灵活、经济、无缝的平台选择。
此外,英特尔技术专家亦在IPF浪潮新品巡展中分享了基于英特尔至强处理器的方案。该方案满足AI应用全链路需求——从数据生成到模型微调直至最终部署。对企业用户而言,英特尔至强处理器不仅支持AI应用,还能兼容传统应用,优化算力资源利用。
除了精彩的技术分享,英特尔还在本次活动中展示了基于第五代英特尔®至强®可扩展处理器、英特尔®酷睿™ Ultra处理器7、英特尔vRAN AI开发套件等应用于不同场景的AI技术。
展区一览





英特尔技术特性和优势取决于系统配置,并可能需要支持的硬件、软件或服务得以激活。产品性能会基于系统配置有所变化。没有任何产品或组件是绝对安全的。更多信息请从原始设备制造商或零售商处获得,或请见intel.com。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。