CNET科技資訊網(wǎng) 7月4日 北京消息(文/齊豐潤(rùn)): 近年來(lái),隨著云計(jì)算、大數(shù)據(jù)的飛速發(fā)展,眾多企業(yè)對(duì)于性能有了空前的需求,隨之而來(lái)的就是眾多企業(yè)將原本小眾的HPC作為提供云計(jì)算、深度學(xué)習(xí)等服務(wù)的基礎(chǔ)設(shè)施平臺(tái),而HPC也得到了空前的關(guān)注,商用化速度也得到了加快,成為了新一輪的熱點(diǎn)。
7月1日,聯(lián)想集團(tuán)在北京隆重召開(kāi)了以“開(kāi)啟E級(jí)計(jì)算新篇章”為主題的首屆全球超算峰會(huì),會(huì)上,聯(lián)想正式發(fā)布了其自主研發(fā)的,面向 E級(jí)計(jì)算的高性能計(jì)算機(jī)系統(tǒng)深騰X8800,并和與會(huì)嘉賓共同分享和交流了高性能計(jì)算技術(shù)和應(yīng)用發(fā)展趨勢(shì)。
隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,HPC領(lǐng)域也展示出了巨大的市場(chǎng)前景。據(jù)IDC預(yù)測(cè),2019年全球HPC市場(chǎng)將達(dá)到152億美元的規(guī)模,其中中國(guó)市場(chǎng)將成為主要角逐之地。
作為中國(guó)起步較早的HPC廠商,聯(lián)想在2001年即成立了高性能服務(wù)器事業(yè)部,開(kāi)始了在HPC領(lǐng)域的探索。在2014年收購(gòu)IBM x86服務(wù)器部門(mén)后,聯(lián)想在HPC領(lǐng)域的技術(shù)實(shí)力和團(tuán)隊(duì)能力都得到了提升。今年,聯(lián)想以92套的份額成為首家在該榜單中躋身全球前二的中國(guó)廠商,讓“中國(guó)力量”成為全球HPC行業(yè)矚目的焦點(diǎn)。
在一系列成績(jī)的背后,是聯(lián)想在HPC領(lǐng)域擁有的領(lǐng)先技術(shù)。比如全球首創(chuàng)的45℃溫水水冷技術(shù),PUE可低至1.1,可以在更少的占地空間下,實(shí)現(xiàn)更高的性能、更低的能耗和更低的噪音。
近年,聯(lián)想將全球化技術(shù)優(yōu)勢(shì)與深刻的本土客戶洞察完美結(jié)合,推進(jìn)其HPC應(yīng)用商業(yè)化的進(jìn)程,連續(xù)兩年在全球TOP500排行榜中份額領(lǐng)軍中國(guó)廠商。
童夫堯表示,聯(lián)想將繼續(xù)保持在硬件方面的領(lǐng)先優(yōu)勢(shì),同時(shí)在軟件方面加大投入,并發(fā)揮國(guó)際化的優(yōu)勢(shì),在全球范圍內(nèi)建立多個(gè)專門(mén)的HPC研發(fā)和測(cè)試實(shí)驗(yàn)室,幫助更多的客戶搭建仿真應(yīng)用環(huán)境,為未來(lái)的采購(gòu)和部署提供準(zhǔn)確的依據(jù)。在此基礎(chǔ)上,聯(lián)想還將進(jìn)一步加大產(chǎn)業(yè)聯(lián)盟力度,構(gòu)建開(kāi)放、完善的產(chǎn)業(yè)聯(lián)盟體系生態(tài)圈。在與上下游合作伙伴保持密切合作關(guān)系的同時(shí),和全球HPC客戶保持高度信任關(guān)系,通過(guò)與客戶、合作伙伴共同聚力,打造匹配客戶雙態(tài)(敏態(tài)和穩(wěn)態(tài))業(yè)務(wù)發(fā)展需求的HPC基礎(chǔ)設(shè)施和業(yè)務(wù)場(chǎng)景。
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(kāi)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(kāi)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。