[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,共论算力时代ICT产业转型之道,共商算网产业协同发展之路。
华为公司副总裁、计算产品线总裁邓泰华做了开场致辞,他指出共建算力网络,为数字经济注入新动能,关键在三点:第一,在国家“网络强国、东数西算”等战略的牵引下,运营商将成为算力网络建设的主力军;第二,算力网络,AI先行。AI算力将成为算力增长的主要增量,需要从战略层面加速AI布局,落地打通算力网络新架构、新场景、新模式;第三,产业协同、生态构建是关键。算力网络的业务和商业创新,需要积极思考面向算力服务的生态小循环,也要营造全产业、多行业的生态大循环。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,加速中国算力网络的发展与建设。
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发表了《共建算力网络,共赢数字未来》主题演讲。他表示算力网络的定位需站在最终用户使用的角度考虑,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。同时提出算力网络,AI先行,华为深耕AI根技术,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。目前全国各主要城市基于昇腾AI已陆续建成多个人工智能计算中心,上线即饱和运行。在科技部的指导下,“中国算力网—智算网络”正式上线,逐步实现各地人工智能计算中心的接入与协同,初步形成AI产业聚合。华为正在积极参与运营商的算力网络规划和建设,共赢数字未来。
华为在运营商算力网络建设中,推出基于昇腾AI的人工智能融合赋能平台(AICE),通过西部部署AICE训练集群,东部部署AICE训推一体平台,实现“东数西训”,打造运营商AI业务的智能底座,联合业界领先的算法厂家、行业应用伙伴和系统集成伙伴,共同打造各个行业智能化解决方案,促进人工智能产业高质量发展。同时,以大算力使能大模型创新,和产业界共同规划大模型沙盘,通过智算网络来赋能大模型科研创新,孵化系列新应用。
本次峰会特邀请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分享《基于昇腾AI的多模态大模型“紫东.太初”》研究与实践。多模态大模型是人工智能发展的重要方向,“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“紫东.太初”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。同时,中科院自动化研究所与华为及浙江移动合作,基于昇腾AI人工智能融合赋能平台,打造文旅数字人“杭小忆”,发挥“紫东.太初”图文音三模态能力,展示杭州文化魅力。
“一花独放不是春,百花齐放春满园”,算力时代,产业协同至关重要,华为作为运营商和产业界的最佳合作伙伴,将会全力支撑运营商构建新型信息基础设施,提供算力普遍服务,赋能行业数智化转型,共谱算力网络新篇章!
Win-Win 华为创新周于7月18日至7月21日在深圳举行。华为与全球运营商、行业精英、意见领袖等一起深入探讨5.5G、绿色发展、算力网络、数字化转型等热点话题,共赢数字经济美好未来。欲了解更多详情,请参阅: https://carrier.huawei.com/cn/events/winwin-innovation-week
好文章,需要你的鼓励
由贝索斯共同领导的普罗米修斯项目已收购AI初创公司General Agents。该公司开发了名为Ace的AI智能体,可自主执行视频编辑、数据复制等计算机任务。General Agents基于视频语言行为架构开发模型,这与普罗米修斯项目专注制造业AI系统的目标高度契合。收购完成后,普罗米修斯团队已超过100人,预计将推进工业机器人领域的AI应用发展。
斯科尔科技学院联合俄罗斯多家研究机构开发出革命性的多语言AI虚假信息检测技术。该研究构建了覆盖14种语言的大型数据集PsiloQA,通过"诱导AI说谎"的创新方法自动生成训练样本,成本仅为传统人工标注的数十分之一。实验证明多语言训练的检测模型性能显著优于单语言模型,为全球AI可信度监督提供了实用解决方案。
Kagi公司发布Orion浏览器1.0版本,这是一款专为苹果平台设计的全新浏览器。该浏览器主打极速浏览体验和用户隐私保护,完全免费使用并附赠200次Kagi搜索。Orion还提供月费5美元的付费订阅服务,解锁更多高级功能。未来计划包括更深度的自定义选项和性能优化。
NVIDIA研究团队发现,训练机器人最有效的方法竟然是最简单的:直接用普通文字告诉机器人该做什么,而不需要复杂的编码系统。他们开发的VLA-0系统在标准测试中超越了所有复杂方法,平均成功率达94.7%,在真实机器人测试中也比预训练系统高出12.5个百分点。这项发现挑战了"越复杂越好"的传统观念,可能加速智能家用机器人的普及。