4月18日,聯(lián)想創(chuàng)新科技大會(Lenovo Tech World)在上海舉行,大會以“AI for all,讓世界充滿AI”為主題,面向全球呈現(xiàn)聯(lián)想AI戰(zhàn)略的重要進展。會上,高通公司總裁兼CEO安蒙受邀發(fā)表演講,分享了高通公司在終端側(cè)AI方面的行業(yè)領(lǐng)先優(yōu)勢,以及高通與聯(lián)想對于AI PC時代的共同愿景,雙方期待通過創(chuàng)新AI PC為用戶帶來更加出色的體驗。
安蒙表示,混合AI是AI的未來?;旌螦I可以在終端側(cè)和云端同時利用AI,通過高性能連接來分配和協(xié)調(diào)工作負載,從而帶來更加智能的個性化用戶體驗。因此,行業(yè)領(lǐng)先的連接和高性能低功耗計算變得至關(guān)重要。作為終端側(cè)AI領(lǐng)軍企業(yè),高通此前推出的驍龍X Elite是面向終端側(cè)和混合AI的領(lǐng)先平臺,具有高達45 TOPS的算力,是面向PC平臺的全球最快的NPU。
驍龍X Elite集成的Hexagon NPU,其算力大幅領(lǐng)先競品最新X86架構(gòu)芯片NPU的算力數(shù)值。同時,驍龍X Elite采用異構(gòu)計算架構(gòu)的高通AI引擎,通過NPU、CPU和GPU能夠整體實現(xiàn)75TOPS的算力,面向在終端側(cè)快速高效地運行AI應用而打造,支持強大的終端側(cè)加速,能夠為最新應用帶來更佳質(zhì)量、性能和效率。除文本、圖像和視頻創(chuàng)作等生成式AI應用外,高通AI引擎還支持一系列傳統(tǒng)AI用例,從提升安全性的快速威脅檢測,到增強視頻會議體驗的眼神接觸和降噪。利用Hexagon NPU能夠提升性能和效率,實現(xiàn)長時間電池續(xù)航,同時不占用CPU和GPU等其他系統(tǒng)資源,能夠幫助用戶提高生產(chǎn)力。
此前,高通表示搭載驍龍X Elite的PC預計將于2024年中面市,目前已有聯(lián)想、三星等廠商的多款驍龍X Elite筆記本電腦曝光,值得期待。
以下為演講全文:
感謝楊元慶先生邀請我參加這場盛會,同時祝賀聯(lián)想成立40周年。
高通和聯(lián)想有著悠久的合作歷史,不斷為全球消費者和企業(yè)用戶帶來開創(chuàng)性的體驗。但我想大膽預言的是,最好的創(chuàng)新還在路上。伴隨AI時代的到來,計算的變革蓄勢待發(fā),高通很高興與聯(lián)想合作,讓這一變革惠及廣大用戶。
我們見證了生成式AI的創(chuàng)新和應用正在以前所未有的速度發(fā)展,但即便如此,我們尚處于早期階段。到目前為止,大部分生成式AI的開發(fā)工作集中在云端,云端也會繼續(xù)發(fā)揮不可或缺的作用。但生成式AI正在快速演進,并將直接在終端設備上運行,從智能手機,到下一代PC,最終進入汽車等更多終端。
混合AI是AI的未來。
混合AI可在終端側(cè)和云端同時利用AI,通過高性能連接分配和協(xié)調(diào)工作負載,從而帶來更加智能的個性化用戶體驗。當云端和終端使用相同的生成式AI模型時,終端可以為云端帶來先發(fā)優(yōu)勢。終端側(cè)數(shù)據(jù)還能提升AI應用的精準度,因為其現(xiàn)在掌握了用戶的情境信息。
為了滿足這些以生成式AI為中心的體驗需求,行業(yè)領(lǐng)先的連接和高性能低功耗計算比以往任何時候都更加重要。
正因如此,今天我很高興與大家進行分享。
我們終端側(cè)AI所具備的無與倫比的性能和能效,讓生成式AI能夠無處不在,從而實現(xiàn)增強的響應速度、精度、可靠性和隱私。
驍龍X Elite是面向終端側(cè)和混合AI的領(lǐng)先平臺。憑借高達45 TOPS的算力,它為PC帶來全球最快的NPU。此外,它還擁有行業(yè)一流的能效和續(xù)航。所以無論是消費者還是企業(yè)用戶,都能夠全天候利用AI增強的終端側(cè)工具來提升生產(chǎn)力、創(chuàng)造力和協(xié)作能力。
PC行業(yè)正迎來激動人心的時刻,我們期待與聯(lián)想這樣的行業(yè)領(lǐng)導企業(yè)一起創(chuàng)新,共同打造下一代AI PC,為用戶帶來智能的個性化體驗。
祝大會圓滿成功,謝謝!
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。