8月16日,以“合·聚·创 共IN智能时代”为主题的“2023英特尔(中国)学术大会”在南京开幕,邀请专家学者共话科技界前沿趋势,展示科研成果和技术解决方案。本次大会延续了英特尔“为智能而聚能”,推动中国产业界、学术界融合创新的不懈努力。
南京市人民政府副市长吴炜、麒麟科创园管委会主任樊向前、中国科学院院士吕建、中国科学院院士刘明、中国工程院院士孙凝晖、清华大学教授魏少军、华东师范大学副校长周傲英、华南理工大学副校长徐向民、华中科技大学教授金海、北京大学软件与微电子学院院长吴中海、中国科学技术大学教授安虹、南京大学软件学院院长仲盛等领导、嘉宾出席了本次大会并分享了精彩的观点。
在开幕致辞中,南京市人民政府副市长吴炜表示:“南京是长三角特大城市、国家东部地区重要中心城市,科教资源丰富、产业基础雄厚、营商环境优良、发展前景广阔,英特尔公司一直以来与南京保持着良好的合作关系。本次举办的英特尔(中国)学术大会自2003年启动以来,已成为研究与展望技术发展趋势的重要窗口,和推动高等教育战略与产业化相结合的重要平台。”
南京市人民政府副市长吴炜发表开幕致辞
英特尔公司高级副总裁、英特尔中国区董事长王锐也在视频致辞中表示:“从注重前沿探索的‘最初一公里’,到聚焦商业落地的‘最后一公里’,学术界、产业界在创新链条中密不可分。对英特尔来说,我们将更好地发挥在半导体技术、软硬件产品、可持续计算、开放生态等方面的优势,与大家一起为智能而加速。”
英特尔公司高级副总裁、英特尔中国区董事长王锐发表视频致辞
在主题演讲环节,英特尔研究院副总裁、英特尔中国研究院院长宋继强围绕“多维技术创新推进算力千倍提升”这一主题,介绍了英特尔如何通过制程、封装等半导体底层技术的持续创新,以及对神经拟态计算、集成光电和量子计算等未来计算领域的探索,推进高能效比下的指数级算力增长。同时,宋继强也分享了英特尔在助力高质量数字人才培养方面的长期实践。
英特尔研究院副总裁、英特尔中国研究院院长宋继强发表主题演讲
清华大学教授魏少军则发表了题为《AI时代的计算架构:专用还是通用?》的报告,介绍了在数字化新事物、新业态、新模式推动应用场景向多元化发展,算力规模不断扩大,算力需求持续攀升的背景下,如何更加高效地配置、共享、调度并释放更多算力。
清华大学教授魏少军发表主题演讲
此外,华东师范大学副校长周傲英,华南理工大学副校长徐向民,英特尔院士、大数据技术全球CTO戴金权,英特尔公司副总裁、英特尔中国软件生态事业部总经理李映,英特尔院士、首席编译器性能架构师田新民等与会嘉宾也分别就AI大模型、大数据、开源软件等行业热点话题进行了分享。
当天,英特尔还举办了“英特尔学术英才计划”颁奖典礼,共有6位来自国内高校和科研院所的青年才俊获得了英特尔提供的技术指导和奖金资助。接下来,“英特尔中国学术英才计划”将通过组织技术研讨会、学术沙龙、能力提升论坛等方式,搭建更大规模的产业界、学术界交流平台。此外,英特尔宣布全面推出“英特尔创新飞轮计划”,探索挖掘学术界种子项目,促进其产业化落地,推动产业界、学术界合作的进一步升级。
无论是数字人才的培养和发展,还是产业界、学术界的融合创新,均非一日之功。英特尔将继续致力于搭建更广泛的平台、促进更多交流合作,从前沿探索到商业落地,形成更强合力,推动更多满足本土需求的创新。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。