富士通已与 Nutanix 合作,使其针对日语优化的大语言模型 ( LLM ) Takane 可以在 Nutanix Enterprise AI ( NAI ) 平台上使用。
这一验证意味着 Takane 现已成为通过 NAI 部署的认证大语言模型,该平台支持在本地和公共云环境下运行生成式 AI 模型,并可在 Nutanix Cloud Platform ( NCP ) 混合多云平台上使用。
富士通声称,与通用大语言模型相比,Takane 在处理日语任务时具有更出色的表现,能够应对混合字符集(平假名、片假名和汉字)、省略主语以及在日语商务沟通中常见的细微敬语表达等特定语言挑战。
这一举措主要面向那些希望利用生成式 AI 的企业,尤其是在日本的企业,这些企业在采用全球模型时常面临准确性问题,或由于数据敏感性、法规遵从要求或延迟要求而需要在私有环境中部署 AI 工作负载。
这标志着首次有专为日语优化的大语言模型获得 Nutanix AI 平台的验证。
在 NAI 上运行的 Takane 模型将最初通过富士通的 PrimeFlex 集成虚拟化平台为 Nutanix 提供。富士通表示,此举将有助于在限制使用公共云的组织中构建可靠的 AI 基础设施。
为满足混合部署的需求,即开发可能在公共云中进行,但生产环节则运行于本地或边缘,富士通指出,NAI 与 NCP 的兼容性可简化 AI 应用及数据在不同环境间的迁移与集成管理。
富士通计划从 2025 年 7 月起,以管理服务的方式通过 NAI 提供 Takane,并辅以其现有的富士通云托管服务,此服务旨在优化和管理包括在 NCP 上运行 Takane 的混合云运营环境。
该公司将这一产品作为 Fujitsu Uvance 业务计划的一部分,该计划致力于解决社会和商业挑战,特别是在金融、政府以及研发等高安全性领域内,预计 Takane 的能力将在私有或混合云环境中发挥最大的效益。
日本的主权 AI 推动
富士通与 Nutanix 的合作正值日本大力发展本土大语言模型能力之时。受语言需求、数据主权担忧及国家经济战略的驱动,日本科技巨头和研究机构纷纷投资于主要以日语数据训练的基础模型。
其中显著的努力包括 NTT 的 “tsuzumi” 大语言模型以及 SoftBank 在生成式 AI 开发领域的投资,同时 SoftBank 还与 OpenAI 合资成立新公司,致力于开发满足日本企业独特需求的 AI 代理。
去年 12 月, NEC 推出了其增强版 “cotomi” 模型,该模型因在日语基准测试中表现出色而备受推崇。此外,NEC 还宣称已开发出能够在保持生成式 AI 性能的同时,将 GPU 计算效率提高两倍的技术。
日本政府也明确表示支持构建本土 AI 生态系统,认为这对提升国家竞争力以及确保 AI 模型符合日本文化和商业情境至关重要。
富士通将 Takane 部署到像 Nutanix 这样的企业级混合云平台上,可视为实现本土 AI 理想的重要举措,为日本企业提供了在自身基础设施中安全运用生成式 AI 的多样化选择。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。