6月5日,在北京举办的2023中国国际信息通信展览会开幕论坛上,超聚变数字技术有限公司产品线总裁范瑞琦发表“聚力同行,共创算网新时代”主题演讲,算网一体趋势下,超聚变进一步聚焦算力产业与生态,与伙伴客户聚力同行,共创算网新时代。超聚变算力基础设施领域总裁唐启明出席算力创新发展高峰论坛并致辞。
范瑞琦指出,当前,超聚变已与各运营商以及产业伙伴展开广泛的联合创新与实践,提供领先算力基础设施和服务。未来超聚变将与广大伙伴持续创新,构筑以算力为中心,以网络为根基,绿色安全的算力网络。
突破边界,赋能算网新场景
数智时代,5G/AI促使非结构化数据爆发,计算进入多元化发展阶段。算力基础设施建设也面临网络化、智能化、绿色化和可信化的发展趋势。比如说:大规模的数据中心运维复杂程度加大,宕机成本高,如何助力高算力、高安全、绿色低碳新型数据中心建设,成为关注焦点。针对新的业务形式,超聚变提出双生态安全异构、无边界计算和节能算网的产业发展方向,持续发挥软硬协同优势。提供从中心到边缘的算力基础设施、算力服务及解决方案。
超聚变FusionServer V7智能服务器,搭载第四代英特尔® 至强® 可扩展处理器。其实现综合性能领先业界10%,以及同等配置下节能8%。让产品高效、智能和安全可靠等性能全面升级,在SPECcpu取得跑分第一的佳绩。成为保障算网实践稳定易用的关键基石。
伴随双碳目标和东数西算工程推进,算力基础设施在适配多样性算力需求同时,也要满足绿色数据中心能效建设要求。超聚变全力投入液冷研究,推出FusionPoD整机柜服务器,以垂直整合数据中心L1/L2资源、提升数据中心运营效率为设计理念,通过先进的集中供电、总线盲插和原生液冷技术,在超高密度、智能运维和绿色节能方面实现全面领先。原生液冷设计,制冷PUE低至1.06,获得全球首个TUV南德制冷PUE能效认证及全球首个TUV莱茵液冷防泄漏认证。
此外,超聚变通过数字孪生技术,持续助力数据中心运维更智能。配合超聚变算力基础设施集中管理平台FusionDirector,在资产盘点、智能运维、绿色节能等方面表现优异。该技术将真实机房和虚拟机房一一对应和数据连接,实现实时智能监测机房的运行情况,对物理实体的全生命周期进行模拟、验证、预测和控制,形成智能决策的优化闭环,最终达到“无人运维”的良好效果。当前,将应用于数据中心的统一监控运维,实现数据中心的发现、纳管、部署、节能等全生命周期的可视化管理。
超聚变FusionOS 23服务器操作系统基于openEuler打造。操作系统作为承上启下,连接南北向生态的桥梁。FusionOS 23不仅支持主流的计算架构, 也为CentOS替换提供了完善的解决方案。助力企业应对业务挑战,加速数字化转型。
联合创新,释放算力新动能
成立一年以来,超聚变与运营商伙伴开展联合创新,携手推进示范项目,持续释放算力新动能。 在推动算力网络枢纽节点建设方面。随着“东数西算”战略落地,超聚变携手运营商共同建设算力生态联合创新中心,推动西部省份的算力网络枢纽节点建设。 在助力智算中心全场景部署方面。超聚变采用智算解决方案助力运营商智算中心从训练到推理全场景部署。并在CentOS操作系统停服替换场景中,超聚变积极助力其多个省分公司OSS系统完成切换,提供大规模商用能力。此外,在支持客户解决方案深度定制方面。超聚变根据客户业务场景,按需定制开发硬件,预设底层软件功能项,预安装操作系统和业务软件等,持续提供定制化服务。
未来,超聚变将凝聚全球力量,构建更完善的运营商业务图谱,携手伙伴,持续提供领先的算力产品及解决方案。让技术融合聚变,共赴算网新未来。
据悉,超聚变是一家全球领先的算力基础设施与算力服务提供商。现服务于全球130个国家和地区客户,携手7000多家伙伴服务全球上万家客户,包括全球211家财富500强企业,覆盖运营商、金融、互联网、交通、能源等行业。依托超聚变X实验室的根技术研发实力,加强与产业上下游伙伴的联合创新,并携手伙伴成立联合创新实验室,覆盖关键部件及软件等方面。在全球建立5大供应中心、6个GTAC和7个地区部,并逐步设立11个研发中心和9大核心实验室。超聚变现拥有专利/专利申请超3000件,累计共获得专利授权 2016件。其中,中国专利1417件,外国专利599件。已成功入选Gartner全球服务器代表性厂商名录。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。