近日,中国移动采购与招标网发布了《2021年至2022年PC服务器集中采购第二批次(标包1-6)中标候选人公示》,神州数码集团股份有限公司下属控股子公司神州数码(中国)有限公司分别为该项目标包4、5、6的中标候选人之一,对三个标包的投标报价总额为594,580,310.00元(不含税)。预中标具体情况如下:标包4(均衡型服务器):第二中标候选人,投标报价为438,510,192.00元(不含税),中标份额约22.22%(按照5名中标候选人分配);标包5(存储型服务器):第一中标候选人,投标报价为56,166,375.00元(不含税),中标份额27.78%;标包6(存储型服务器):第一中标候选人,投标报价为99,903,743.00元(不含税),中标份额27.78%。所有中标标包神州数码排名皆为前二,代表着客户对神州数码实力的认可。
这是神州数码深耕运营商行业,继中标“2020-2021年中国联通通用服务器集中采购项目”、“中移动信息2020年一级IT云资源池整机柜定制化服务器采购项目”、“中国移动2021年至2022年人工智能通用计算设备集中采购项目”以及“2021年至2022年PC服务器集中采购(第1批次)”后,在运营商领域取得的又一重大突破。
《“十四五”信息通信行业发展规划》明确提出,到2025年基本建成高速泛在、集成互联、智能绿色、安全可靠的新型数字基础设施体系。众所周知,运营商不仅拥有着复杂且庞大的网络及运营支撑系统,还拥有着遍布全国的营业服务网点。而且运营商行业业务复杂度高,对信息系统的并发性、实时性、安全性、稳定性有着极高的要求。这也意味着运营商行业对计算产品有着更高的要求。
根据招标公告显示,本次PC服务器采购规模为47845台,划分为6个标包,包含均衡型、存储型服务器。本次中标的神州数码自主品牌神州鲲泰产品包括:KunTai R622服务器、KunTai R524等5款机型,作为神州数码自主打造的数据中心ARM服务器,神州鲲泰系列产品基于鲲鹏主板,具有高效能计算、安全可靠、开放生态的优势,适合为大数据、分布式存储、原生应用、高性能计算和数据库等应用高效加速,满足数据中心多样性计算、绿色计算、多核高并发,匹配海量数据处理的需求,性能显著提升。其中KunTai R622服务器根据运营商行业特性打造,支持八通道内存技术,提供超高内存带宽,加速访存密集型HPC应用,在访问密集型场景性能提升显著,处理器内置RSA加解密加速引擎,提升WEB访问HTTPS加解密性能。内置硬件加速和压缩解压缩引擎,释放计算潜能、降低TCO压缩时间,提升IOPS性能,采用RoCE低时延网络、多核调度优化算法、NUMA优化算法3大技术为数据库加速。采用模块化设计,具备丰富的故障检测功能,精确定位硬件故障;支持多种管理接口,可与多种主流标准管理系统集成。
神州鲲泰 KunTai R622
连续中标、入围运营商采购项目,是行业对神州数码产品、技术、服务实力的最佳认可,将进一步扩大公司在运营商领域的市场份额。未来,神州数码将不断加大自主品牌产品研发投入,加强技术创新与生态建设,与广大合作伙伴积极推动行业合作,从客户的需求出发,为数字经济的蓬勃发展贡献更大的力量。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。