在工业时代,水和电是最重要的生产要素,“南水北调”“西电东输”等一系列重大工程的实施有力促进了我国经济社会的高速发展。在数字经济时代,数据成为新的生产要素,算力成为新的生产力,又一重大战略工程“东数西算”也随之而来。
今年2月,国家发展改革委、中央网信办、工业和信息化部、国家能源局四部门联合发布了《全国一体化大数据中心协同创新体系算力枢纽实施方案》,明确提出布局全国算力网络国家枢纽节点,启动实施“东数西算”工程,构建国家算力网络体系。毫无疑问,这是继水网、电网之后,国家战略布局“算网”,激活数据新要素,推动数字经济高质量发展的重要举措。
作为联接算力“供给端”和“需求端”的重要桥梁,算力网络的重要性不言而喻。而乘着“东数西算”的东风,打造高质量的算力网络,也已经成为各方共识。
算力建设 AI先行
通用算力的普及,使能了各行各业的数字化,并带动数字经济的发展。而数字经济增长又产生更多的数据,需要更多的算力支持,未来,算力的增量主要是AI算力的快速增长。根据华为《智能世界2030》中关于计算和通信网络的相关信息显示,未来10年,计算和网络都将迎来高速发展。预计到2030年,通用算力将增长10倍,人工智能算力将增长500倍。
从算力需求来看,人工智能算力是算力的最大增量,全国各地均在加速发展。在此契机下,各地对AI先行先试,基于昇腾AI基础软硬件平台,全国已有20多个城市在规划和建设人工智能计算中心,让AI算力像水和电一样成为城市公共基础资源。深圳、武汉、中原、西安、成都、南京等地的人工智能计算中心已相继上线投运,均实现上线即饱和运营。
随着各地人工智能计算中心陆续建成,《人工智能计算中心发展白皮书2.0》的发布指出了人工智能中心发展的新阶段——从人工智能计算中心走向人工智能算力网络。2021年9月,中国科学技术信息研究所联合鹏城实验室、AITISA,发布《人工智能计算中心发展白皮书2.0》,通过算力网络将各地的人工智能计算中心连接成网,动态实时感知算力资源状态,实现统筹分配和调度计算任务,构成区域内可感知、可分配、可调度的AI算力资源。在科技部的指导下,2021年底鹏城实验室又牵头成立了人工智能算力网络推进联盟,推进AI基础设施建设。
中国算力网—智算网络开启新篇章
奔涌而来的算力时代下,算力网络的发展仍旧在滚滚向前。2022年6月15日-6月16日,华为伙伴暨开发者大会2022即将隆重开启。在这场以“因聚而生 为你所能”为主题的业界盛会上,众多产业嘉宾将共同见证中国算力网—智算网络的重磅发布。
这是中国算力网络建设迈出的关键一步。未来,不仅仅是人工智能计算中心,还有各地超算中心、各地一体化大数据中心算力枢纽,都将并入算力网络,形成支撑数字经济发展的统一算力大市场。
当下,数字经济已然成为全球经济发展的重中之重,算力网络作为各行业信息系统运行的基础载体,也毫无疑问在数字经济发展中扮演着不可替代的角色。随着5G、人工智能、云计算、大数据等新一代信息技术在各行各业广泛应用,行业应用的多样性带来数据和算力的多样性。未来,算力网络或许将更多类型的算力进行联网进而翻开算力网络新篇章,助推我国数字化建设迈上新的台阶。
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。