2023年4月24日,“共筑多样性算力,擎动数字经济”多样性算力产业峰会2023在京成功举办。本次峰会由中国通信标准化协会多样性算力产业及标准推进委员会(CCSA TC622,以下简称“推委会”)主办,中国移动、华为、中国信科、新华三、得瑞领新和飞腾承办,来自计算产业代表近400人参加。中国工程院院士倪光南、郑纬民、廖湘科、中国科学院院士钱德沛出席会议。中国通信标准化协会副秘书长南新生、中国移动研究院副院长段晓东出席峰会并致辞。推委会副主席陈运清、姜涛等出席会议。
多样性算力推委会成立,为行业提供多样的算力基础设施选择
当前算力已经成为数字经济的核心生产力,数据和应用的多样性驱动不同计算架构齐头并进。ARM、RISC-V等通用计算技术路线全面迸发, GPU、NPU、DPU等异构智算平台繁荣发展,算力的多样性特征已广为显现。为推动多样性算力技术和产业发展,中国移动、华为、清华大学、中国电信、中国联通等11家初创成员共同发起成立多样性算力产业及标准推进委员会。此次峰会,多样性算力产业及标准推进委员会正式成立,目前已汇聚算力产业上下游59家企业加入,涵盖了芯片IP,运营商,设备商,整机、部件,基础软件厂家和科研院所。
多样性算力产业及标准推进委员会成立
峰会期间,由郑纬民院士代表推委会正式聘任倪光南院士、廖湘科院士和钱德沛院士为战略咨询委员会委员,为推委会的发展及重大事项决策提供指导。
战略咨询委员会聘任仪式
峰会期间,由推委会副主席、中国电信研究院副院长陈运清发布《多样性算力商用部署白皮书》(以下简称“白皮书”)、芯巢多样性算力孵化平台(简称“芯巢平台”)、多样性算力测评体系框架等推委会多个项目研究成果,加快通用计算和异构计算技术创新,丰富算力基础设施多元供应,推动数字经济增长。
多样性算力重要成果正式发布
为表彰推委会关键核心技术人才做出的杰出贡献,激励更多的伙伴单位参与推委会工作建设,推委会评选出来自9家成员单位共13名优秀项目经理,并由推委会副主席、华为计算产品线副总裁姜涛给获奖项目经理颁奖。
推委会年度优秀项目经理颁奖
推委会作为国内领先的以应用为牵引,促进ARM、RISC-V、智算等多样性算力软硬件生态繁荣的行业组织,未来将聚焦多样性算力商用、异构智算增强、通用计算扩展等方向展开工作,进一步树立产业公信力,支撑多样性算力生态建设。
与会代表共商多样性算力产业生态构建和协同发展之路
针对多样性算力产业生态构建和协同发展之路,各位与会代表展开了深入的交流和探讨。
中国工程院院士,清华大学教授郑纬民在演讲中指出,多样性算力的规模部署,关键在于两个方面,一是供给方做好软硬件协同和异构融合创新,释放多样性算力潜能;二是需求方牵头构建一致性测评体系,以需求和评测牵引产品快速迭代,引导用户敢用、多用经过测评认证的多样性算力产品。供需双方可以在推委会平台形成协作,共同推动多样性算力高质量发展。
郑纬民表示多样性算力发展理念已获得行业越来越多认可。未来,多样性算力推委会将秉持开放协作理念,在标准引领上聚焦ARM体系整机和部件标准体系,丰富多样性算力供应与创新;开展智能计算构架体系研究,发展多样性AI生态;探索RISC-V新方向可行性研究,定义多样性算力未来演进,推动多样性算力走向更加好用。
中国通信标准化协会副秘书长南新生在致辞中强调,推委会应在吸收产业既有成果的基础上,加大技术创新,加强软硬件协同标准体系建设,满足更加多样的生态兼容性要求,为数字经济构建新发展格局做出应有的贡献。
中国移动研究院副院长段晓东在致辞中指出,大模型时代,推委会应加强智算攻关力度,着力于突破以新型智算为核心的基础设施关键技术,进一步培育AI产业大生态。同时,作为多样性算力的重要组成部分,推委会要加快、加大对RISC-V、存算一体、Chiplet等先进计算技术的布局力度,厚植基础、蓄力爆发,在算力的前沿领域,做好产学研协同和拉通,引领未来高科技发展,增强产业信心。
峰会期间,邀请了来自华为、阿里平头哥、新华三和飞腾等企业的领导专家,就新型智算、AI、RISC-V、先进芯片等行业热点话题发表主旨演讲。同期举办了智算中心与异构计算、算力网络关键技术、新型算力与前沿计算以及多样性算力软件生态等四大技术分论坛,近40位与会专家分享最新的技术发展和产业动态。
多样性算力产业发展已驶入快车道,不断涌现新技术、新业态、新模式,产业实现新突破正当时。推委会持续凝聚行业优势力量,引领产业从“行业渗透”向“生态繁荣”进阶,促进产业升级变革。聚沙成塔,积水成渊,发挥全方位、多角度优势,为打造中国计算产业发展格局创造新机会。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。