华为第19届全球分析师大会(HAS2022)在深圳召开。大会聚焦“未来探索、产业创新、数字化与低碳化”等话题,与全球行业分析师、财经分析师、意见领袖及媒体等,共同探讨未来趋势和产业发展策略。
算网融合,打造高质量算力网络
当前,打造高质量的算力网络,已经形成各方共识。根据华为《智能世界2030》中关于计算和通信网络的相关报告显示,未来10年,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HAS2022期间举办的全光算力网络圆桌会议上表示:“计算和网络协同发展、相互促进,以网强算、以算促网。一方面,通过网络实现全网的分布式计算,算力共享、优化算力布局。另一方面,分布式计算和跨DC的数据流动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现场演讲照片
随着通用算力的普及,使能了各行各业的数字化,并带动数字经济的发展。而数字经济增长又产生更多的数据,需要更多的算力支持。未来,算力的增量主要是AI算力的快速增长。未来10年,通用算力增长10倍、人工智能算力增长500倍。计算必然从通用计算走向通用计算+AI计算的多样性计算。
开放共赢,构建多样性算力底座
面向多样性计算,华为聚焦硬件、基础软件等根技术的创新和研究,坚持“硬件开放、软件开源、使能伙伴、发展人才”的生态策略,与伙伴共同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。
在鲲鹏领域,目前通过主板开放已经发展了超过10家整机合作伙伴,去年整机伙伴发货占比已经超过80%。已有3500+伙伴、10000+解决方案通过鲲鹏兼容性测试认证,覆盖国计民生行业的核心应用场景。鲲鹏计算产业已经发展80万+开发者。
在基础软件领域,华为开源了欧拉操作系统、openGauss数据库,目前国内主流的操作系统和数据库厂家均已经推出基于openEuler、基于openGauss的商业发行版。2021年11月,欧拉开源操作系统正式捐赠给开放原子开源基金会,从企业主导走向产业共建、社区自治。目前,欧拉社区吸引超过330家伙伴,覆盖从处理器厂商、整机厂商、操作系统厂商、数据库厂商、中间件厂商、应用软件厂商、云厂商全产业链的中间力量,为欧拉实现更大规模的商业落地和持续发展,奠定了生态基础。目前,欧拉累计在政府、金融、运营商、电力等各个行业应用超过130万套,预计今年还将新增超过200万套。
在昇腾AI计算领域,华为聚焦打造昇腾AI基础软硬件平台,坚持全栈开放创新,包括Atlas系列硬件、异构计算架构CANN 5.0、全场景AI框架昇思MindSpore、昇腾应用使能MindX以及AI应用使能ModelArts等。目前,昇腾AI已发展了70万+开发者,在100多所高校开设昇腾AI相关的人工智能课程,发展500+行业合作伙伴,共同孵化了超过900个解决方案,为中国人工智能产业繁荣提供一个强健、稳固的基石。
基于昇腾AI基础软硬件平台,全国已有20多个城市在规划和建设人工智能计算中心,为,让AI算力像水和电一样成为城市公共基础资源,为科研和企业创新提供普惠AI算力。深圳、武汉、中原、西安、成都、南京等地的人工智能计算中心已相继上线投运,均实现上线即饱和运营。随着各地人工智能计算中心的建设,未来必将走向人工智能算力网络。去年9月,全国21个城市共同点亮人工智能算力网络,通过人工智能算力网络的构建,能够让AI算力、数据、模型以及应用流动起来,各区域形成高效、协同的资源共享,让算力网络成为新型基础设施,让人工智能助力数字经济加速发展。
集群计算,全栈一体化,提升有效算力
在人工智能计算中心与算力网络的建设过程中,传统的数据中心是分层解耦、部件堆叠的模式建设的,面临算力利用率低、能耗高等诸多挑战。伴随着算力需求多样化、高功率高密度、液冷技术以及全栈融合建设的发展,数据中心全栈一体化建设正在成为趋势。华为基于“鲲鹏+昇腾”多样性算力底座,推出了一体化集群计算解决方案,通过DC as a Computer的全栈设计与优化,L0到L3的多层协同联动,实现更高的算力利用率和更高的能效比。
华为集群计算解决方案可服务于人工智能计算中心、高性能计算中心,和一体化大数据中心等场景。通过软硬件全栈优化,可提升算力利用率50%以上,并缩短建设周期到6个月左右。同时原生支持云服务,让客户便捷的按需获取AI、HPC、大数据等多种多样的算力,实现PUE更优,有效算力CUE(computing usage effectiveness)更高。
未来,华为将坚持以多样性算力,构建算力网络坚实根基,以网强算,以算促网,构建泛在融合的算力网络。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。