英特尔® Gaudi 2E AI加速器现已为DeepSeek-V3.1提供深度优化支持。凭借出色的性能和成本效益,英特尔Gaudi 2E以更低的投入、更高的效率,实现从模型训练的深度突破到推理部署的实时响应,为大模型的加速落地提供新选择。

英特尔Gaudi 2E配备96 GB大容量内存,搭载先进的HBM控制器,针对随机访问、线性访问场景进行深度优化,有效避免了AI训练或推理任务的延迟,从而保障了计算流程的流畅性。英特尔Gaudi 2E拥有卓越的可扩展能力,支持多卡互联,为用户提供了灵活的、可定制化的解决方案,满足其不断变化的AI需求。
英特尔Gaudi 2E以出色的适配性和易用性,为诸多大模型应用提供支持。实测数据显示,在英特尔Gaudi 2E的支持下,DeepSeek-V3.1无论是在问答还是编码上,能力都有着显著提升:在部署了8张英特尔Gaudi 2E的一体机服务器上运行DeepSeek-V3.1模型,在输入/输出token长度均为1k、多用户并发数为30的条件下,每个并发token生成速率达到每秒10 token;在输入/输出token长度均为2k、多用户并发数为28的条件下,每个并发token生成速率达到每秒10 token。
无论是要求逻辑严密的数学计算还是考验分析能力的知识理解,基于英特尔Gaudi 2E的DeepSeek-V3.1均能迅速响应,高效完成解析。这种强大的组合,不仅大幅提升了问题解决的效率,更助力用户在多维度、高难度的推理场景中轻松跨越障碍。


通过开放的架构、强大的技术支持和紧密的生态合作,英特尔将持续赋能AI产业的创新与发展,加速AI大模型技术的普惠落地。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。