6月30日,由通信世界全媒体主办,中国电信、中国移动、中国联通与新华三集团联合支持的“算力网络创新发展论坛”隆重举行,论坛以“打造算力网络新引擎 共建‘东数西算’新生态”为主题,聚焦算力网络可持续发展话题,全面汇报算力网络的最新成果与发展现状,通信世界、C114等各大平台纷纷直播。
中国通信标准化协会理事长闻库、中国信通院云计算与大数据研究所所长何宝宏、中国移动研究院网络与IT技术研究所所长张昊、中国电信研究院网络技术研究所副所长雷波、中国联通研究院未来网络研究部总监曹畅、新华三集团副总裁、运营商事业部总经理何宁、新华三集团网络产品线规划与解决方案部总经理汲哲、新华三集团运营商事业部技术总监陈峰等代表出席活动,本次论坛由通信世界全媒体总编辑刘启诚主持。
中国通信标准化协会理事长 闻库
中国通信标准化协会理事长闻库在致辞中表示:为推动算网创新发展,加快算力网络服务升级,推动数字红利普惠全民,产业界需在以下四个方面做出努力,一是强化统筹协调,加大普惠性算力基础设施建设力度,优化算网资源布局;二是继续坚持国际开放,加强国际交流;三是加强算力技术创新,加大创新人才培养力度;四是培育算力网络应用生态。
新华三集团副总裁运营商事业部总经理 何宁
数字化时代,算力是中心,网络是根基,如何构建算力网络业务、技术、生态三位一体的创新体系成为产业界聚焦的核心话题。作为算力网络发展的积极参与者与赋能者,新华三集团做出了诸多努力。
新华三集团副总裁、运营商事业部总经理何宁在论坛致辞中表示,新华三集团一直致力于强化原始创新的策源能力,广泛、深入地研究和布局算网底层技术,整合云、边、端等多层次算力资源,赋能算网资源的全局编排、统一调度,构建算网安智用融合的算力网络解决方案,助力运营商提供面向政企客户的算网一体化服务。
中国信通院云计算与大数据研究所所长 何宝宏
中国信通院测算显示,算力发展指数每提高1个点,就能带动GDP增长1293亿元。本次论坛特别邀请中国信通院云计算与大数据研究所所长何宝宏发表了题为《从云化算力到网络化算力》的主旨演讲,向产业界详细阐述了算力网络在推进标准、模式发展以及技术路径方面的最新动态,同时也对算力网络未来广阔的市场空间和发展趋势进行了权威解读。
新华三集团运营商事业部技术总监 陈峰
新华三集团运营商事业部技术总监陈峰发表了题为《融合创新,筑基运营商算力网络》的主题演讲。“融合创新是新华三聚焦算力网络的发展理念,体现在三个方面,首先是差异化服务,以全新的算网一体化产品为运营商提供差异化的云服务;其次是降低网络成本,优化资源分配策略,提升算和网资源的使用效率,从而降低建网成本和服务使用成本;最后是提升客户体验,以横向拉通算网资源实现北向统一接口,从而可以面向客户提供更加丰富的应用。”
中国移动研究院网络与IT技术研究所所长 张昊
中国移动研究院网络与IT技术研究所所长张昊在报告中表示,中国移动近期针对算力网络开展了多方面工作,一方面构筑“东数西算”一体化数据中心,形成“4+3+X”数据中心布局,正在打造统一运营入口、统一能力平台、统一管理体系、统一基础设施的融合统一的边缘云;另一方面聚焦网络侧,网络架构从传统的按地域布局向按照算力分布进行优化调整,并通过构建G-SRV6网络,打造新一代SD-WAN,为用户提供融合算网服务、高效分发算力服务。
中国电信研究院网络技术研究所副所长 雷波
中国电信研究院网络技术研究所副所长雷波带来题为《“东数西算”给运营商带来的新机遇》的主题发言,他表示:“‘东数西算’不是简单的服务器搬迁,而是在差异化定位的基础上,实现良性的协同发展,即将东部算力需求有序引导到西部,实时业务仍以东部数据中心为主,非实时业务则以西部数据中心为主。”
中国联通研究院未来网络研究部总监 曹畅
中国联通研究院未来网络研究部总监曹畅发表了题为《算力网络发展回顾与展望》的演讲。曹畅表示,从算力网络发展现状来看,计算能力与网络能力的协同供给稳步推进,但云是云,网是网,算是算的孤立发展情况还存在,三者融合运营尚存挑战。算力网络必然要经历“协同供给”“融合运营”“一体共生”的三个阶段。
算力网络创新发展圆桌论坛
为更好促进产业交流与合作,论坛特别设计了圆桌环节,邀请了中国电信、中国移动、中国联通三位演讲专家以及新华三集团网络产品线规划与解决方案部总经理汲哲,一同畅谈我国目前算力网络发展所面临的挑战、机遇及如何推动产业成熟,结合发展实际系统谋划,对如何建设算力网络,抢抓发展机遇进行了深入分析,全方位助力推进我国算力网络发展。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。