3月26日-29日,全球瞩目的人工智能(AI)领域盛会——第九届年度GPU技术大会(GTC2018)在美国硅谷召开。中科曙光作为GTC重要赞助商之一应邀亮相本次大会,除了展示最先进的技术发展动向和软硬件一体化平台,中科曙光还将与数千名与会嘉宾寻求以计算为核心的人工智能生态交流和合作。
在人工智能发展浪潮中,中科曙光依托先进计算的技术和服务扮演着AI赋能者的角色。中科曙光创立伊始,凭借国家政策支持及强大的研发能力,不断积累技术创新实力和增强产品研发能力。在牵头承担和参与多项国家重大研发和产业化项目的过程中,逐步建立起赋能AI计算的能力基础。在国家发改委发布的《2018年“互联网+”、人工智能创新发展、数字经济试点重大工程拟支持项目名单》中,中科曙光“面向深度学习应用的开源平台建设及应用项目”成功入围,是仅有的两个人工智能开源平台项目之一。
源于深厚的积累,当人工智能应用需求呈现出越来越多元化的特点时,中科曙光成功推出一体化软硬件解决方案,推动AI功能在各应用领域的实现,进一步服务全球行业客户。
在降低用户切入深度学习领域的经济和技术成本方面,曙光推出的容器化的集群调度及深度学习云服务方案——“SothisAI”具有简单易用、弹性灵活、可快速部署等特点,可协助用户快速获得AI所需的计算力,目前SothisAI平台已在多所高校、研究中心及超算中心部署使用;在应用场景覆盖方面,中科曙光推出了一套完备的深度学习服务器XMachine,支持包括GPU、 FPGA在内的多种主流深度学习加速器件,并兼容SXM2和PCI-E两种不同的接口模式。
XMachine系列服务器现已被广泛应用于智能医疗、智慧城市、语音识别、图像识别、自然语言处理等领域。对于NVIDIA在此次大会最新发布的V100 32G版本,XMachine系列深度学习服务器业已完美兼容。
作为支撑人工智能技术的幕后中坚,中科曙光率先以全局眼光谋求AI生态整合。早在2015年,中科曙光就联合中科院计算技术研究所、NVIDIA三方成立了联合实验室,这也为之后三者在人工智能领域的深入合作奠定了基础。正是基于联合实验室相关工作的逐步深入,曙光在构建人工智能产业生态方面不遗余力。
在推出SothisAI平台的基础上,中科曙光发布“SothisAI开放实验室计划”,面向全球募集AI算法、应用和服务开发者,开放中科曙光分布在全国的40多个城市云平台,以及包括地球数值模拟装置在内的若干大科学装置和先进计算中心,联合产业链上下游企业进行协同研发和服务部署,进而促进AI在智慧城市、智能制造和数据密集型科学研究领域的深入应用。
为进一步构建完善的智能计算的生态环境,中科曙光还在2017年智能峰会上发起成立了“数据中国‘智’囊团”,首批成员单位包括寒武纪、商汤科技、南瑞集团、中科三清、UCloud、徐州市公安局等在内的共计15家单位。李斌博士介绍“数据中国‘智’囊团”时表示,该团体希望联合芯片、算法、数据、应用等AI相关领域的机构,进行关键共性技术和关键行业应用的协同研发,共同推动中国人工智能生态环境的快速健康发展。
李斌博士进一步透露,基于中科曙光-ICT-NVIDIA联合实验室平台和相关博士后流动站支持的深度学习研发团队,中科曙光将在深度学习未来的发展过程中融合高性能计算和云平台等多方面技术优势,打造面向更广泛用户群体的产品应用体系,开拓人工智能的应用领域,构建良好的人工智能生态环境,助力人工智能技术在各行各业开花结果、落地成实。
大会介绍:GTC2018 大会由NVIDIA举办。本次大会的主题是“人工智能与深度学习”,8000余名全球顶尖研究人员、商业领袖、技术开发者等齐聚硅谷,共同探讨自动驾驶汽车、高性能计算、机器人、医疗保健、智慧城市、数据中心和云计算、安防、生命科学、计算机和机器视觉、虚拟现实等领域的未来技术发展。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。