6月24日,以“智能新时代:数字赋能 智赢未来”为主题的第六届世界智能大会在天津拉开帷幕。作为核心信息基础设施领军企业,中科曙光深度参与并支持此项行业盛会的召开,成为世界智能大会战略合作伙伴。
经过6年的成长与沉淀,中科曙光与世界智能大会一同发展,在智能领域持续创新、不断探索。依托在先进计算领域的先发优势和技术底蕴,中科曙光全面布局智能计算,完成了包含AI核心部件、人工智能服务器、人工智能管理平台及软件在内的诸多创新,构建了完备的AI计算服务体系,并积极响应时代需求。在智算中心的建设浪潮下,形成了精准匹配发展需求、科学制定建设规划、一体提供运营服务的5A级智算中心整体方案,力求加速AI与实体产业的深度融合。
“5A”:立足长远的关键要素
智算中心作为数智时代的核心底座,发挥着推动产业转型、促进经济发展的引擎作用,其应用前景及赋能潜力正逐步凸显。更易用、更通用、更经济、更节能、更省心等长效价值,早已成为智算中心建设的产业共识。
据了解,5A级智算中心以“开放、融合、绿色、普惠、服务”五大核心优势,着眼长远推动高效发展。开放即以多元协作为宗旨,通过芯片、算法、框架、模型的全面开放、兼容,构建多元集成的基础架构,实现算力底座最大程度的易用性,降低迁移成本。融合即通过分布式异构并行体系结构,搭载多类型芯片,实现全精度、多样性算力供应,满足包含数值模拟、AI训练、AI推理在内的不同应用场景需求。绿色即通过全球领先的浸没式相变液冷技术及多层次节能技术创新,使PUE值最低降至1.04,能耗降低最高达30%。普惠即通过多种策略,持续优化算力成本,实现综合建设成本低于市场既有价格30%。服务即采取一体化服务模式,实现从规划设计、中心建设、到平台运营的完整配套服务, 保障智算中心建成后的技术服务、应用创新、算网接入以及产业孵化、生态汇聚等,为扎根区域持续发展打好基础。
“四位一体”:扎根产业的创新通路
此外,5A级智算中心采用了 “四位一体”建设模式,集公共算力服务、数据开放共享、智能生态建设、产业创新聚集于一体。这一模式与国家对于人工智能基础设施“一体化综合性”的顶层规划不谋而和,在国务院印发的《“十四五”数字经济发展规划》以及信通院发布的《人工智能基础设施发展态势报告(2021年)》中都提出了相应的要求或引导。
具体拆解来看,在公共算力服务方面,除基本的算力供给外,还提供涵盖系统运维、算力运营、算法创新在内的一系列相关服务,全方位满足区域赋智、提质、强治等需求。在数据开放共享方面,依托曙光在大数据、云计算等多领域优势,以及联合科研院所孵化的行业创新企业(中科星图、中科天玑等)资源,将知识图谱、城市政务、科技产业舆情、天气预报等数据汇聚共享;在智能生态建设方面,通过引入中科院生态资源池,推动院地合作,主要围绕人才及应用两方面,搭建AI学科及人才建设平台,推动AI领域算力、算法、数据、场景的深度协同,孵化一些新的应用示范;在产业创新聚集方面,以让产业“两条腿走路”为目标,一是产业AI化,即联动生态合作伙伴促进AI产业在区域的规模落地,二是AI产业化,即以项目、活动、赛事为抓手,去孵化、培育AI产业发展。
目前,曙光5A级智算中心在广东、安徽、浙江等地陆续落成,江苏、湖北、湖南等地进入建设阶段,还有其他一些区域也在紧张筹备规划中。其中,“巢湖明月”智算中心荣膺长三角2021年度人工智能产业“十大科技事件”。诸多实战打磨的积淀,已让5A级智算中心成为区域算力建设和产业生态繁荣的切实保障和有力支撑。
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。