近日,“以联接 向未来”2024浪潮网络城市峰会在江西南昌正式启航。本次峰会是浪潮网络2024年“以联接 向未来”系列活动的首站,后续峰会将在宁波、青岛、北京、武汉陆续落地。
本站峰会聚焦AI时代下的机遇与挑战进行深入讨论,浪潮网络提出要通过云边协同的智慧网络与人工智能等多元技术融合,联合生态伙伴合力创新,构筑算力联接新基石。浪潮网络最新推出的数据中心网络即交换机方案、元脉™全栈AI网络方案、多模态边缘网络控制平台DNE等产品及方案,也亮相现场。
迎“AI+”之风 云边协同智慧联接力持续焕新
人工智能技术的迅猛发展,正在加速我国智能化产业以及产业智能化两个领域的创新速度,进一步激发了人工智能市场需求的增长。据IDC数据显示,预计到2027年中国人工智能总投资规模将突破400亿美元,年复合增长率为25.6%。创新,是推动人工智能发展及应用的重要前提。
浪潮网络作为云边协同智慧网络概念的引领者,积极探索AI+应用创新之路。从以智算中心为代表的“高性能云中心网络”、以及位居边缘侧的“边缘网络”双管齐下,持续焕新云边协同的智慧联接力,为千行百业的AI+应用创新不断蓄能,助推行业的创新变革。
在云中心网络方面,浪潮网络在业界率先推出数据中心网络即交换机方案(DCN as a Switch),采用“开放、智能、融合”的设计理念,打破了传统物理机框的限制,充分释放网络架构的潜能,帮助用户构建按需扩展、简单易用的网络平台。此前推出的浪潮网络 “元脉全栈AI网络方案”,则充分结合了大模型训练与推理的实际痛点需求,帮助用户打造超大规模、超高带宽、超强可靠,以及高度自动化的网络系统。专为AI大模型定制设计的高性能交换机X400,以51.2T的交换容量辅以独具一格的端网协同能力,进一步提升大模型训练与推理效率。
在多模态边缘网络方面,随着AI大模型应用的不断发展,单一模式的组网方式已无法应对边缘智能创新需求,要求边缘网络向“多模态”的触角延申。在多模态边缘网络布局上,浪潮网络目前已拥有涵盖有线、无线、到PON、SD-WAN等多种类的接入能力,同时也支持Zigbee、LoRa等IoT终端接入,可以为用户打造具备低延迟、实时可靠的边缘网络。
以应用为导向 打造多元化创新方案
会上,为深入推进AI+与行业多元化应用的结合,浪潮网络面向医疗、教育、园区三大场景,发布了包括多院区一体化、智慧教育、数智化园区在内的一系列融合方案。旨在以云边协同的智慧网络,推动行业创新发展,让智慧联接无处不在。
近年来,国家发布的《关于规范公立医院分院区管理的通知》、《紧密型城市医疗集团建设试点工作方案》等一系列政策,让“一院多区”建进入发展新阶段。针对医院多院区的建设及管理难题,浪潮网络打造的多院区一体化解决方案,具备开放融合、敏捷智能等特性,可以有效帮助医院实现同质化管理、同质化服务、一体化发展。在武汉市第一医院的项目建设中,浪潮网络为客户提供的Multi-Pod多院区互联方案,有效帮助客户提升整体运维效率80%、降低运维成本70%,并将业务上线时间则从周级缩短到分钟级。
在教育领域,随着智慧校园、智能教学场所建设能力的不断加强,需要构建“云-网-边-端”一体化的网络体系,来辅助构建全面感知、泛在连接、深度交互的学习空间。浪潮网络推出的教育行业融合方案,通过融合计算、存储、网络、云等方面的能力,可以帮助用户打造智慧教育全栈IT基础设施平台,满足智慧教育场景中“人-网-物”三元空间万物互联的需求。在应用创新上,浪潮网络可以推进教育行业用户构建基于AI的校园防霸凌系统、人工智能与大数据实训室等特色应用的落地,助力实现教育治理的精准化、以及课程教学的个性化。例如,针对近年来频繁发生的校园安全事件,浪潮网络推出的校园防霸凌解决方案,融合人工智能技术,通过音频、视频、红外等多维感知能力,可以实现霸凌事件的实时检测与告警,保护学生身心健康。
在数智化园区领域,面对当前园区建设中存在的信息孤岛问题,浪潮网络数智化园区解决方案通过中心云、边缘云的协同,实现算力、网络等设备的融合,推动AI+应用场景的多模态发展。结合浪潮网络敏捷、轻量、易用的多模态网络控制平台DNE,提供一键部署功能,大幅提升业务韧性,同时保障安全策略的一致性。此外,通过统一界面,用户可以管控多品牌设备、兼容异构系统,让数据南北流通、东西交互,真正以客户为中心,构建高质量、高效率、低成本、绿色低碳的数智化园区。
融合创新 共谋AI+时代发展新机
在智能新时代背景下,浪潮网络一直坚持以“智联云边算力 助力产业创新”为发展使命,充分发挥在云中心网络、边缘网络、融合方案能力方面的独特优势,赋能产业发展。未来,浪潮网络也将继续深化“云边协同智慧网络”能力,推动产品、方案与AI应用的融合交互,与各界伙伴共谋AI+时代发展新机。
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。