“因聚而生,为你所能——华为伙伴暨开发者大会2022”于6月15日在线上盛大召开。大会聚合产业中众多优秀企业,围绕生态伙伴以及开发者关心的热点话题,展开深入交流,创新的观点、技术和产品在此汇聚,作为华为全面深化战略合作伙伴,神州数码亮相盛会,并获得“砥砺前行奖”以及“优秀整机伙伴奖”,再次展现双方多年合作的深厚底蕴和情谊。
十余载同行,共创互利新生态
一棵树苗经过十余载的精心培育,共经风雨长成参天大树。从2011年成为华为数通产品总经销商;到2016年与华为共同宣布共建中国领先的从云到端的云生态体系;2018年提出“大华为”战略,开启互为生态的全面战略合作;再到2020年展开基于“鲲鹏”、“昇腾”的全新合作,在产品、营销、生态等方面不断突破,持续落地标杆案例;2021年,神州数码揽获华为“十年功勋卓越贡献奖”、“计算最佳战略合作奖”、“华为云优秀伙伴能力中心奖”、“优秀售前华为授权培训合作伙伴奖”、“优秀智慧园区合作伙伴奖”、“超卓合作伙伴奖”、 “2021全球优秀总经销商”奖等多个领域的重磅奖项,签约成为华为云同舟共济合作伙伴……十余年间,神州数码与华为在云计算、鲲鹏生态合作等诸多业务领域展开全面对接合作,不断取得重要落地成果。
在数字时代,深化“大华为”,推动“数云融合”,神州数码与华为同路同行,以创新科技赋能企业数字化转型,兼顾云的敏捷与数据洞见,重构新引擎,共赢新时代。在本次大会上,神州数码获得“砥砺前行奖”,这不仅是对神州数码与华为过去十余年互为生态、开放共赢、深度合作关系,以及神州数码技术、服务能力的又一次深刻注解,也是开启下一个新十年的壮丽篇章。
智算神州,为你所能
在与华为的合作中,神州数码发挥自身在数云融合技术领域的优势,为企业赋能泛在的敏捷能力和融合的数字驱动能力,以实现数字资产化、业务敏捷化的业务场景创新,从而实现企业业务转型。紧抓“新基建”和科技创新带来的时代机遇,与华为携手,持续推动技术及产品创新,实现生态共赢。
在基础设施领域及计算产业方面,神州数码持续打造自主品牌“神州鲲泰”系列产品及解决方案,助力金融、运营商、政企行业数字化转型和多样性算力布局的基础上,基于华为多样性算力基石,以客户为中心,以应用场景为核心,展开产品、方案创新,持续打造行业标杆范例,联动产学研用坚定推动计算产业生态建设。
在人工智能技术飞速发展的当下,神州数码推出神州鲲泰人工智能推理服务器。以“鲲鹏+昇腾”为核心,在2U紧凑空间内,可提供128个处理核心的算力,同时最大可支持8张华为Atlas 300推理卡,提供256GB推理缓存,以及最大 704 TOPS INT8 的AI算力。基于强大性能,神州鲲泰人工智能推理服务器可广泛应用于各行各业推理场景中,满足行业对新信息技术架构对AI的要求,同时结合神州鲲泰边缘推理服务器,可为客户提供端边云全场景AI算力,为人工智能计算保驾护航。
在大会中,神州数码荣获华为颁发的“优秀整机伙伴奖”,我们也将更好的为行业客户提供更为全面的产品和解决方案,从数据计算、数据存储、数据传输、数据安全等多个维度不断丰富神州鲲泰产品体系,与产业生态伙伴携手并肩,为行业用户的数字化转型构建坚实底座。
同行十余载,砥砺共奋进。作为华为全面深度战略合作伙伴,鲲鹏产业生态的重要成员、首批昇腾生态合作伙伴之一,未来,神州数码将继续秉承“数字中国”初心,以“数云融合”战略携手以华为为代表的众多生态合作伙伴,为产业的数字化转型贡献力量。
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。