[中国,深圳,2022年4月27日] 在华为第19届全球分析师大会期间,中国信息通信研究院联合华为举办全光算力网络圆桌研讨,共同呼吁产业链上下游加强创新协同,构筑多样性算力和高品质网络,算网融合,以光强算,通过确定性运力释放无限算力,打造数字时代的核心生产力。
算力是数据的处理能力,无论是结绳、算盘还是电子计算、AI计算,本质上都是对数据进行运算处理,为社会经济创造价值。疫情期间,数字经济有效推动经济快速复苏,在线教育、在线办公、直播带货、智能制造、智慧医疗等新生活、新生产方式迅速普及,这意味着各行各业对计算能力的需求持续增加,算力正成为推动数字经济高速发展的重要生产力,是衡量一个国家数字经济发展水平的重要指标。根据知名分析机构IDC发布《2021-2022全球计算力指数评估报告》显示,计算力与国家经济息息相关,计算力指数平均每提高1点,国家的数字经济和GDP将分别增长3.5‰和1.8‰。
中国信息通信研究院技术与标准研究所所长张海懿在现场表示:“算力规模与数字经济发展水平有明显正相关的关系,建设以算力为核心的通信基础设施,是各国数字经济发展布局的重点方向,这需要计算和网络从架构和业务上深度融合,实现网络融合、算力融合、数据融合、运维融合、能力融合以及服务融合的全新架构生态。未来,需要产、研、学、用等多方共同协作构建合作平台,推进算网融合发展。”
中国信息通信研究院技术与标准研究所所长张海懿
打造高质量的算力网络,已经形成各方共识。根据华为全球产业展望,智能世界2030中关于计算和通信网络的相关报告显示,未来计算和网络都将迎来高速发展。
华为计算产品线营销副总裁张勤在题为《以多样性计算,构建算力网络坚实根基》的演讲中表示:“计算和网络协同发展,相互促进,以网强算,以算促网。通过网络实现全网的分布式计算,算力共享、优化算力布局。分布式计算和跨DC的数据流动也将促进网络超宽带、高智能发展。通过计算与网络的协同发展,加速构建泛在融合的算力网络。”
华为计算产品线营销副总裁张勤
未来十年,通用算力将增长10倍,人工智能算力将增长500倍,算力的增量主要是AI算力的快速增长。计算必然从通用计算走向通用计算+AI计算的多样性计算。面向多样性计算,华为坚持聚焦硬件、基础软件等根技术的创新和研究,打造面向通用计算的鲲鹏计算产业和面向AI计算的昇腾计算产业,构建算力网络的多样性算力底座。算力网络是联接算力“供给端”和“需求端”的重要桥梁,必将成为支撑数字社会的重要基础设施。传统“尽力而为”的网络,已经无法满足数字时代“生产型”网络的诉求,华为提出品质算网方案,目标是构建高品质的网络能力,以确定性运力释放无限算力。
华为光传送领域总裁周军指出:“华为将通过业界最领先的全光交叉OXC、ASON、OSU-OTN和iMaster NCE等技术,打造一张有路就通、毫秒时延、带宽灵活、智慧运营的品质算网。这将是一张无缝连接算力的网络,可以让需求端畅享云端的算力供给。”
华为光传送领域总裁周军
算力是数字经济的底层逻辑,数字经济发展建立在强大的算力之上。算力的高水平发展离不开网络的基础支撑。算网融合,以光强算,可以借助高品质网络设施的优势来强化多样化算力的统筹调配,优化整体算力资源的布局。2022年是算力网络的元年,产业机构、通信运营商、计算供给侧以及设备制造商等各方需要以开放协同的态度精诚合作推动算力网络迈向成熟。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。