首屆“西部數(shù)谷”算力產(chǎn)業(yè)大會(huì)9月15日在寧夏召開,寧夏打造“西部數(shù)谷”是貫徹落實(shí)網(wǎng)絡(luò)強(qiáng)國和數(shù)字中國戰(zhàn)略的重要舉措。寧夏打造“西部數(shù)谷”的定位是,立足全區(qū)數(shù)字經(jīng)濟(jì)“一帶一核一節(jié)點(diǎn)多區(qū)聯(lián)動(dòng)”的總體格局,打造沿黃流域數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展示范帶,建設(shè)銀川數(shù)字經(jīng)濟(jì)創(chuàng)新總部核心,依托中衛(wèi)現(xiàn)有數(shù)據(jù)基礎(chǔ)條件,高質(zhì)量建設(shè)全國一體化算力網(wǎng)絡(luò)國家樞紐節(jié)點(diǎn),助推銀川數(shù)字經(jīng)濟(jì)創(chuàng)新總部核心建設(shè),助推石嘴山數(shù)字制造聯(lián)動(dòng)區(qū)、吳忠數(shù)字農(nóng)業(yè)聯(lián)動(dòng)區(qū)、固原數(shù)字生態(tài)聯(lián)動(dòng)區(qū)多區(qū)聯(lián)動(dòng)。
在2021年12月20日,國家正式啟動(dòng)全國一體化算力網(wǎng)絡(luò)國家樞紐建設(shè)時(shí),寧夏被列入國家八大樞紐節(jié)點(diǎn)之一,中衛(wèi)市被列入數(shù)據(jù)中心十大集群,寧夏從此進(jìn)入了“東數(shù)西算”重大工程“國家隊(duì)”。寧夏有著良好的區(qū)位優(yōu)勢(shì),寧夏地處中國陸地幾何中心區(qū)域,到全國各大城市的距離均在2000公里以內(nèi),與全國90%以上地區(qū)光纖直連傳輸時(shí)延在8-12ms以內(nèi),是光纖網(wǎng)絡(luò)覆蓋全國的最優(yōu)路徑選擇點(diǎn)。
寧夏的氣候環(huán)境也非常適宜,屬中溫帶大陸性氣候,年平均氣溫8.5℃,日溫差12~15℃,全年大氣環(huán)境優(yōu)良天數(shù)達(dá)280天以上,適宜采用全自然風(fēng)冷技術(shù)建設(shè)大型、超大型數(shù)據(jù)中心。同時(shí),寧夏能源儲(chǔ)備充足,煤炭、風(fēng)能、太陽能等多種能源富集互補(bǔ),是首個(gè)國家新能源綜合示范區(qū)。截至2021年底,寧夏全口徑電源裝機(jī)容量6214萬千瓦,其中新能源裝機(jī)占比達(dá)到45.68%。2021年新能源利用率97.51%,超過年度目標(biāo)2.51個(gè)百分點(diǎn)。寧夏數(shù)據(jù)中心集群產(chǎn)業(yè)集聚效應(yīng)也十分突出,已有大型超大型數(shù)據(jù)中心7個(gè),服務(wù)器裝機(jī)量達(dá)到50萬臺(tái),建成了至北京、上海、廣州、成都等地直達(dá)鏈路心。
基于區(qū)位、氣候、資源等方面的獨(dú)特優(yōu)勢(shì),寧夏得以成為國家算力產(chǎn)業(yè)戰(zhàn)略要地,實(shí)現(xiàn)了從產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化和治理數(shù)字化發(fā)展,將寧夏打造成為“西部數(shù)谷”,恰逢其時(shí),未來可期。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。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視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(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)無法有效利用視覺信息,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),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(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。