2023年3月31日,由华为开源的AI框架昇思MindSpore开源社区将举办3周年线上生日会,本次生日会将公开昇思MindSpore2.0版本全新升级;重磅发布昇思三周年,与高校、企业、科研院所最新生态建设进展;多位昇思开发者分享如何参与从“0到1”的学习成长型社区。
昇思MindSpore作为华为开源的全场景AI框架,具备开发友好、运行高效、部署灵活等优势,目前已应用于医疗、金融、制造等多领域,支撑基础科研实现创新突破;截止目前,昇思MindSpore下载量超386万,并在1000多万个码云开源项目综合排名第一,是国内热度最高的AI开源社区。
亮点一:昇思MindSpore2.0擢升科学计算与全场景能力
2020年,昇思MindSpore社区推出首个全场景AI框架MindSpore 1.0;2021年,又推出原生支持大模型开发的MindSpore 1.5,迄今已联合伙伴规划了20多个基于昇思的大模型并成功发布多个业内首创的AI大模型;
本次生日会将为大家介绍全新版本——昇思MindSpore2.0。2.0版本成为支持科学计算的AI融合框架,在基础能力上完成AI与HPC的融合,科学计算能力大幅提升。还进一步夯实了全场景能力,支持高效联邦学习,实现大模型跨域并行训练,为算力网络打下基础,同时还能支持千万端侧设备的协同学习;通过统一的API,达成跨平台部署模型格式免转换,便捷地实现模型一次开发全网络、全场景部署;此外,昇思对动态图的全面支持和动态shape编程体验提升,可兼顾开发灵活性与执行性能,同时使用JIT Fallback方案,并提供函数式+面向对象融合编程新范式,促进易用性显著提升。
亮点二:昇思大模型平台全面升级,打造一站式AI开发平台
2022年,昇思MindSpore开源社区使能AI大模型,打造一站式大模型平台,让你我皆可触碰大模型的魅力。开发者可以在线体验大模型推理任务,从而最便捷地使用基于昇思的创新大模型。
本次生日会,昇思大模型平台将全新升级!重磅推出产业专区,面向AI应用开发者提供从模型训练、部署的AI应用开发专区。在平台易用性方面,打造Jupyter与MindFormers特性模块,提供pipeline高阶易用接口简化代码,支持开发者快捷下载模型,加载模型,体验一站式推理服务,也支持在此基础上进行二次开发,帮助开发者快速实现自己的创意实践,并推出课程模块,让开发者可以在平台从0到1的学习与实践AI项目。除此之外,平台主视觉、大模型模块、移动端适配等都将升级,给开发者提供更优质的体验。
亮点三:学以致用,知行致远,与昇思MindSpore共成长
自2020年3月28日开源以来,昇思开源社区生态繁荣发展,在码云(Gitee)千万开源项目中活跃度排名第一,累计下载量超过386万。社区一直致力于与更多优秀的开发者一同打造有竞争力的开源社区,聚焦开发者需求,帮助更多的开发者成长。
本次生日会,邀请多位昇思资深布道师、优秀开发者、AI赛事冠军,联袂登台分享各自与昇思MindSpore共同成长的历程,和对AI框架的技术理解、实践经验,以及如何参与从“0到1”的学习成长型社区。开发者也可以从中了解到,如何通过技术迭代与学习交流“两手抓”,更好规划自己成长路线,真正做到“学以致用”。
好文章,需要你的鼓励
惠普企业(HPE)发布搭载英伟达Blackwell架构GPU的新服务器,抢占AI技术需求激增市场。IDC预测,搭载GPU的服务器年增长率将达46.7%,占总市场价值近50%。2025年服务器市场预计增长39.9%至2839亿美元。英伟达向微软等大型云服务商大量供应Blackwell GPU,每周部署约7.2万块,可能影响HPE服务器交付时间。HPE在全球服务器市场占13%份额。受美国出口限制影响,国际客户可能面临额外限制。新服务器将于2025年9月2日开始全球发货。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
安全专业协会ISACA面向全球近20万名认证安全专业人员推出AI安全管理高级认证(AAISM)。研究显示61%的安全专业人员担心生成式AI被威胁行为者利用。该认证涵盖AI治理与项目管理、风险管理、技术与控制三个领域,帮助网络安全专业人员掌握AI安全实施、政策制定和风险管控。申请者需持有CISM或CISSP认证。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。