近日,由北电数智打造的首个国产算力PoC平台正式开放,并落地酒仙桥地区的北京数字经济算力中心。
据了解,国产算力PoC平台主要聚焦于为国产算力集群提供垂类场景评测、适配与验证服务,促进国产芯片从“可用”到“好用”,同时为互联网、AI 应用开发企业提供多种算力适配试验空间,找到适合不同场景的“芯片+软件”最佳组合。其目的是为国产芯片产业加速发展铺路搭桥。
新中国电子工业的摇篮——酒仙桥,不仅记录着北京电子管厂的工业辉煌,也铭刻了中国一次次迎难而上的科技突破。
在生成式AI席卷全球的今天,算力已经成为产业发展的核心要素之一。秉持着“国家需要,北京需要”的原则,智算的种子再次在这里发芽。
作为支持人工智能发展的关键基础设施,智算中心重要性在数字经济时代愈发凸显,未来将引领千亿的市场。从“摇篮”到“创新者”,北电数智希望立足北京数字经济算力中心,以国产算力PoC平台成为这一时代的探针,联合产业生态之力,用实际行动推动中国AI产业从0到1的突破。
新型智算服务模式
2023年成立的北电数智,是特大型高新技术产业集团北京电控面向人工智能时代,孵化的一家专注于原创性、颠覆性、引领性科技创新的人工智能科技企业,致力于打造面向未来的AI基础设施、AI核心产业加速和AI创新平台服务。
北电数智自成立之初便与众不同,在“萌芽”阶段就肩负起北京市“3个100”重点工程之一——北京数字经济算力中心建设的重任。
北京数字经济算力中心被视为北京新一代智能算力基础设施的重要标志,它的目标不仅是为城市的数字经济发展提供强大的算力支撑,更是探索新型智算服务模式的重要试验场。
北京数字经济算力中心是北电数智以“AI 工厂”理念打造,将成为一个融合算力基础设施、可信数据空间、AI算力展示、创新孵化与协作空间、科技广场等功能区于一体的首个北京算力科技公园。
“北京数字经济算力中心距离我们公司不到700米,是五环内唯一一个千匹以上的智算中心。”未来中心这里将成为一个融合算力基础设施、可信数据空间、AI算力展示、创新孵化与协作空间、科技广场等功能区于一体的首个北京智算科技公园。
算力适配试验空间,为国产算力发展提供新可能
去年10月,北电数智承接了北京市产业创新集群重点支撑项目“先进计算迭代验证平台”,平台的核心目标是推动国产芯片从单片测试到集群化应用的跨越,为芯片使用方提供清晰的选型指引和优化服务。
平台由北电数智牵头,联合业内头部科研团队及国内各大国产算力厂商共同构建,是全国首个在生产环境下可实现规模化测试的全栈迭代验证平台。
杨震说,尽管国产算力资源看似足够,但核心问题是如何让市场正确认识到国产算力的真实能力,帮助芯片企业和应用企业找到双方最匹配的模式,同时最大化将这些资源利用起来,解决当前中小企业和创新企业用不起算力的问题。
“大部分国产芯片发展道路坎坷不平,也面临了激烈的竞争环境。什么场景使用什么芯片,让国产芯片可以快速用起来,形成商业闭环是北电数智看到的国产算力发展的可能性。”杨震指出,北电数智正积极投入到国产芯片的加速、混元、适配等工作中。
先进计算迭代验证平台以软件定义硬件,推动国产芯片加速。通过算法加速、统一通信、编译优化等技术突破将国产芯片性能提升2-3倍,吞吐量提升6-7倍。同时独创「芯片 x 模型 x 场景」评测模式,助力芯片厂商破局,助力模型厂商创收。
近日开放的首个国产算力PoC平台,正是依托北京市先进计算迭代验证平台,为国产算力集群提供垂类场景评测、适配与验证服务的同时,为互联网、AI应用开发企业等垂类场景应用开发提供多种算力适配试验空间,实现从底层算力到业务场景驱动的双向链路打通。
同时,国产算力PoC平台基于北京数字经济算力中心,能够提供算力、模型、数据及一站式开发工具链的全栈AI服务,能够让企业把智算中心当做AI工厂使用,享受即插即用的智算服务。北电数智也通过精细化运营的算力运营,充分发挥芯片里每一滴算力能力。
写在最后
从北京数字经济算力中心的智算服务模式,到先进计算迭代验证平台的重大攻关,再到国产算力PoC平台的开放,北电数智的每一步都紧扣人工智能时代的脉搏。
“我们希望通过这些努力,让国产算力找到展示自己的平台,找到自己迭代前进的方向,进一步,也能够赋能我国千行百业的智能化发展。”杨震说道,北电数智将以持续的创新与实践,协同优秀的产业生态伙伴,共同点亮中国人工智能产业的未来。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。