CNET科技資訊網(wǎng) 5月19日 北京消息(文/劉克麗): 我國(guó)云市場(chǎng)己近1500億元,其中公有云占47%,私有云達(dá)26%,為大眾創(chuàng)業(yè)萬(wàn)眾創(chuàng)新提供了雙創(chuàng)基礎(chǔ)平臺(tái),為企業(yè)信息化節(jié)約了四成成本。這是昨天上午開幕的第八屆云計(jì)算大會(huì)上,信息化工業(yè)部軟件服務(wù)司謝少峰司長(zhǎng)在主題報(bào)告中發(fā)布的。
由中國(guó)電子學(xué)會(huì)主辦,ZD至頂網(wǎng)協(xié)辦的第八屆中國(guó)云計(jì)算大會(huì)為期三天,懷進(jìn)鵬部長(zhǎng)到會(huì)并首先致辭之后在謝少峰司長(zhǎng)做主題報(bào)告,他全面總結(jié)了當(dāng)前中國(guó)云計(jì)算納現(xiàn)狀,他特別提出中國(guó)云計(jì)算處理并發(fā)業(yè)務(wù)峰值達(dá)到了世界先進(jìn)水、云計(jì)算中心綜合利用節(jié)能、在行業(yè)應(yīng)用中廣泛帶動(dòng)產(chǎn)業(yè)升級(jí)、成為助推傳統(tǒng)產(chǎn)業(yè)創(chuàng)新的能量。但是他也指出,且前中國(guó)云計(jì)算面臨三個(gè)挑戰(zhàn),一是云計(jì)算的需求并沒(méi)有完全釋放出來(lái);二是云產(chǎn)業(yè)市場(chǎng)規(guī)規(guī)模有限,中國(guó)云市場(chǎng)目前僅占全球市場(chǎng)的5%,產(chǎn)品種類有限;三是云生志糸統(tǒng)、測(cè)評(píng)安全體糸沒(méi)有完成。
上海交大副校長(zhǎng)、中科院院士梅宏教授則從學(xué)術(shù)維度總結(jié)了云計(jì)算這十年的發(fā)展,他認(rèn)為2006年是云計(jì)算的元年,當(dāng)時(shí)定義硬件即服務(wù),到2011年軟件定義計(jì)算,2015年之后開始提出公有、私有云,微云、虛擬云、移動(dòng)云等多云的聯(lián)合云,引發(fā)了云操作系統(tǒng)應(yīng)運(yùn)而生。
之后,來(lái)自美國(guó)的Bill Franks以互聯(lián)網(wǎng)升級(jí)到智聯(lián)網(wǎng)的觀點(diǎn)做了駕馭物聯(lián)網(wǎng)數(shù)據(jù)價(jià)值的報(bào)告、中國(guó)電信中國(guó)聯(lián)通也相關(guān)大V也做了云計(jì)算的進(jìn)展報(bào)告。中國(guó)移動(dòng)有關(guān)專家在報(bào)告中提出通信4.0概念,他認(rèn)為IP+光+云統(tǒng)一網(wǎng)絡(luò)基于云服務(wù),他說(shuō)軟件定義計(jì)算、軟件定義存儲(chǔ)己經(jīng)成熟,軟件定義網(wǎng)絡(luò)還剛剛開始,而開源是云計(jì)算標(biāo)準(zhǔn)化的新形態(tài),提出軟件定義一切。而之后李德毅教授則以智能駕駛為例,提出數(shù)據(jù)定義軟件,讓數(shù)據(jù)驅(qū)動(dòng)了人工智能,人工智能汽車成為了定義軟件的機(jī)器。
大會(huì)上有專家認(rèn)為,大數(shù)據(jù)、互聯(lián)網(wǎng)+都靠云服務(wù)落地,并預(yù)測(cè),到2018年中國(guó)云市場(chǎng)會(huì)達(dá)8000億元,平均年增長(zhǎng)35%。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。