[中国,线上,2022年7月19日] 今日,在Win-Win 华为创新周活动中,华为携手中国信通院云大所、中国移动、中国电信、中国联通、中科院自动化研究所,举办“共赢算力时代”线上峰会,共商算网协同发展之路。
会上,华为公司副总裁、计算产品线总裁邓泰华做了开场致辞,他呼吁共建算力网络,为数字经济注入新动能,关键有三点:第一,运营商将成为算力网络建设的主力军。第二,AI算力将成为主要增量,算力网络AI先行。第三,产业协同、生态构建是关键。华为作为运营商长期战略合作伙伴,坚持“联接+计算”战略,全力帮助运营商构建新型信息基础设施,加速算力网络的发展与建设。
中国信通院云计算与大数据研究所副所长李洁强调,以算力基础设施为代表的信息基础设施是新基建核心组成部分,新时代算网协同需求愈发突出,算网协同将实现算网资源高效融合、算力服务泛在灵活、算力供给智能高效和算力基础设施绿色低碳。
作为算力网络建设的主力军,中国三大运营商也对于算力时代技术和业务发展方向进行分享探讨:
中国移动研究院副院长段晓东认为算力网络是中国移动新型信息基础设施的重要组成。他围绕最新发布《算力网络技术白皮书》中的十大技术方向,详细阐述了中国移动对算力网络创新技术的持续探索,发挥移动信息现代产业链链长作用,打造原创技术策源地,并在标准体系、原创技术、产业生态、试验试点四方面提出了倡议,推动算网创新技术成熟。
中国电信研究院副院长陈运清表示,算力网络是云网融合数字基础设施的特征和重要组成部分,中国电信率先在ITU牵头制定了标准框架,并提出“算力三定律”,以云网融合为主线,升级云、网、数、智、安、DC、算力、绿色等要素,迈向云网融合3.0时代。
中国联通研究院副院长、首席科学家唐雄燕表示,中国联通基于IPv6+智能网络构建算网关键能力、基于全光底座提供“东数西算”品质联接、通过算网一体化编排调度实现智慧“大脑”三大技术创新,打造基于算网融合的新型数字信息基础设施,推动原创性技术创新,共创智联未来。
算力服务于各行各业,生态合作至关重要。中科院自动化研究所研究员、武汉人工智能研究院院长王金桥认为多模态大模型是人工智能发展的重要方向,基于昇腾AI的“紫东.太初”大模型作为业内先进示范,通过多模态高效协同,实现图文音语义统一表达,性能得到显著提升。他介绍了跨模态检索与生成实例,包括以文搜图、以图生音、以音生图,使能多行业应用创新,有力支撑了中国人工智能产业繁荣发展。
算力时代,华为也在不断思考、规划与实践。
华为计算产品线副总裁、集群计算总经理朱照生认为要有打造全网一台计算机的算力网络架构创新,才能实现全程全网的社会级算力服务。华为打造基于昇腾AI的基础软硬件平台,使能人工智能落地千行百业。
华为运营商BG网络Marketing与解决方案销售部总裁卢力勃表示通过“IPv6+”和“全光网”双底座可以构建网络“无所不能,无所不及”的能力,以支撑“无处不在”的算力连接需求。
针对算力网络重要基础设施,华为数据中心解决方案销售部总监迟九虹认为 “东数西算”可以实现算力与低碳均衡发展。华为通过在绿色和AI技术上持续创新,通过绿能、节能和智能“三能”打造绿色数据中心,将数字化贯穿数据中心的规划、建设和运维的全过程,使未来数据中心具备高效支撑和自循环能力,支持大规模、多样化、海量的算力需求。
好文章,需要你的鼓励
博通宣布对VMware Cloud Foundation平台进行重大升级,将私有AI服务集成到核心订阅中,并为vSAN存储虚拟化软件添加云原生对象存储支持。此举旨在满足企业对简化基础设施、高效AI采用和网络安全的需求。升级包括与英伟达合作的VMware Private AI Foundation服务、支持AMD GPU、Amazon S3兼容对象存储、与Canonical合作的Ubuntu容器镜像,以及新的四阶段自动化安全流程。博通还推出了面向高监管行业的VCF网络合规高级服务。
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
Google正式发布Gemini 2.5 Flash Image模型,该模型此前在测试版中被称为nanobanana。新模型为企业创意项目提供更多选择,能够快速修改图像外观并提供比以往模型更强的控制能力。该模型在保持人物相似度和编辑一致性方面表现出色,支持多轮编辑、照片融合等功能,并已集成到Gemini应用中供付费和免费用户使用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。