6月22日,由中国智能计算产业联盟,携手信通院算力服务方阵、财经网共同主办的2022中国算力发展研讨会第二期在线上正式召开。会上,专家学者聚焦“东数西算”下的算力服务发展展开深度交流研讨,并从技术、生态等多维度解析算力服务网络建设的难点、要点。
融合算力成为算力服务网络建设关键
当前,加快构建算力服务网络成为算力资源高效利用和算力服务按需提供的关键,也是推动数字经济高质量发展的核心任务。
中国信通院云计算与大数据研究所所长何宝宏在会上提到,类比电力网、水力网,算力行业也需要建设以算为中心、网为载体的国家算网。其中,需要重视不同类型算力的构建,包括通用算力、高性能算力以及面向AI领域的智能算力;此外,还要充分考虑算力的资源描述、管理、调度、分配等因素,做到智能化、灵活化的有效供给。
面对日趋复杂的应用场景,美国医学与生物工程院院士潘毅与中石油BGP处理中心原总工程师、教授级高级工程师赖能和从算力需求方的角度,阐明了科学研究与工业生产对于算力资源的多样化需求。潘毅讲到,在数据量庞大繁杂的今天,算力对于科学研究至关重要,融合算力资源的灵活调度、算力成本的降低以及研发周期的缩短,都是算力服务网络建设中要系统考虑的问题。赖能和则以“给地球做CT”做比,从算力结构、稳定性、可靠性等方面,说明了石油勘探行业对于融合、海量、安全算力资源的迫切需求。
加强产业协同降低算力服务网络应用门槛
对于算力服务网络建设而言,将遍布全国的各类型计算中心统一管理调度,实现对算力、存储、网络以及数据等分布资源的整合,只是初级阶段。主要目标应在于,让用户便捷化的使用到算力资源,并且这些算力资源与应用场景间是自适应的。
中国科学院计算技术研究所研究员张云泉用了一个非常形象的比喻:参考电力领域,我们有标准化的电力插座,在算力领域,还缺一个算力插座,有待于行业一起共同推动标准化建设。这个算力接口可能是软件,也可能是硬件,让算力的服务更加傻瓜式,用户无需管是哪里来的算力,是怎么样的算力,直接插上去用就行了。
作为算力服务网络领军企业代表,中科曙光副总裁、曙光智算信息技术有限公司总裁曹振南认为,“一个好的算力服务网络,不仅是对算力的布局,同时也是数据的布局,更是一个生态的布局。光有算力其实并不能产生价值,只有把应用支持好、服务好才能发挥它的价值。目前曙光已初步构建了覆盖全国的算力服务网络,通过统一的算力服务平台(AC平台),根据科学计算、工程计算和智能计算等场景需求,向用户输出算力、算法、数据、应用高度协同的一体化资源。此外,还通过增值服务加持,例如API接口开放、适配环境优化、商业模式定制等,将产业链生态做大,降低用户使用门槛,赋能用户创新发展。”
算力服务行业发展需久久为功,整体来看,在供给侧夯实算力基础设施资源底座、加快融合算力发展、推进算力服务平台建设皆为其“术”,而其“道”则要从应用层面考量,必须坚持为用户需求匹配最佳方案。道术结合,未来,新型算力服务网络建设将会走得更快。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。