当前,人工智能的发展程度已经成为衡量城市竞争力和未来发展潜力的新指标。由此,各地政府开始规划建设以人工智能计算中心为代表的基础设施。据媒体报道,已有武汉、西安、深圳等地的人工智能计算中心已投入运营,更多城市将人工智能计算中心的建设规划提上议程。
在人工智能计算中心建设中,很多人只关注到各地的建设投资、算力规模以及对产业智能化的带动促进作用等等,但一个最关键的问题被很多人忽视:人工智能产业如果没有自主可控的AI框架,将会给国内人工智能技术的演进和长远发展埋下祸根!
自主可控的AI框架,有利于人工智能产业发展
在人工智能领域,AI框架可以说是AI领域的操作系统,它能够下接芯片、大型计算机系统,上承各种业务模型、行业应用,90%的AI开发是在AI框架层的开发。换句话说,框架是所有算法模型的开发基础。
不难看出,AI框架对于发展人工智能技术的重要性。在我们经历过电脑产业和智能手机产业的“系统之殇”后,在人工智能技术领域必须要高度警惕重蹈覆辙。
当前国内的科技巨头开始加强研发AI框架,并取得丰硕成果,以业界领先的全场景AI计算框架MindSpore,其最大的特点就是基于自主可控的AI框架之上,具有基于源码的通用自动微分、自动实现分布式并行训练、数据处理、以及图执行引擎等功能,支持原生支持大模型训练,并支持端、边、云全场景协同,具备安全可信、高效执行、一次开发多次部署的能力。
值得一提的是,MindSpore已经向全社会开源,有利于充分发挥更新速度快、可二次开发、可扩展性强等特点,对于降低企业开发AI应用的投入具有很好的效果,更加有利于推进人工智能技术演进和产业的快速发展。
在人工智能行业赛道上,已经多家科技巨头聚焦人工智能的未来发展,坚持不同的前进路线,有的企业投入巨资组建技术团队展开技术攻坚战,坚持走自主研发之路,有的企业则因为发展路线或自身实力的制约,直接采用国外技术用于自身人工智能业务推广。
在当前的人工智能行业领域,依然有一些企业在使用国外的AI开源框架,从短期内看,“拿来主义”确实可以节省开发投入和开发时间,能够迅速的推进业务和抢占市场。但是从长远来看,这种做法不可取!
首先,如果采用国外的AI开源框架,无疑是将自身的发展主动权交付于别人之手,实质上是在帮助别的国家在建设AI生态,这将导致国内的人工智能基础软件、应用软件、算法等都需要借助国外的技术才能发展和演进。举个通俗的例子,就相当于把我国的AI大厦建在了别国的土地上,随时都有可能面临被别国“卡脖子”的风险。
其次,随着国家之间的竞争变化和科技脱钩态势的加剧,未来有可能导致我国有可能迫不得已花费更多的人力、物力和时间,逐步完成自主、安全、可控的人工智能产业布局和产品的重新部署。由此有可能会让我国在人工智能产业错失发展良机,与别国拉大技术差距,导致在未来的技术创新竞技中处于被动和劣势的境地。
面对当前复杂的外部环境,科技创新的重要性愈发凸显。在人工智能时代,在加快推进人工智能计算中心等算力基础设施时,不能一味的“拿来主义”,必须站在更高的维度思考人工智能发展的未来趋势和战略意义,通过加强技术创新手段,不断突破前沿技术,用新的技术架构来打造自主可控的人工智能产业体系,才能有机会完成追赶、甚至超越别国,成为人工智能产业发展的引领者。
好文章,需要你的鼓励
随着谷歌搜索和亚马逊主页在电商领域影响力下降,AI助手如ChatGPT、Claude等成为消费者新的购物入口。品牌必须掌握生成式引擎优化(GEO)技术才能保持可见性。传统SEO策略已失效,AI系统更青睐结构化、问答式的高质量内容。研究显示,来自AI助手的流量转化率比其他渠道高9倍。品牌需要基于真实客户问题创建内容,采用结构化问答格式,并建立信任度,才能在这个新的电商秩序中脱颖而出。
斯坦福大学研究发现,主要用英语训练的大型语言模型竟能自发学会处理其他语言任务,无需明确教学。这种跨语言迁移能力随模型规模增大而显著提升,通过形成"通用语义空间"实现不同语言间的知识迁移。研究为降低多语言AI开发成本、支持资源稀缺语言提供了新途径,但仍面临性能不均衡、文化适应性等挑战。
2025年第一季度网络攻击激增126%,英国新法案要求数据中心强制报告网络安全事件。现代威胁已演变为同时攻击IT和OT系统,而许多数据中心的备用电源系统仍使用90年代的过时技术。电池储能系统(BESS)通过分布式架构、加密通信和自主运行能力提供网络弹性防护。BESS即服务模式将网络安全维护转移给专业提供商,同时通过需求响应和能源套利创造收益。随着全球法规要求将网络安全与能源安全相结合,数据中心需要现代化基础设施来应对日益严峻的威胁环境。
阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码(RSD)技术,通过让小模型处理简单任务、大模型解决复杂问题的智能分工,在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色,计算量最多可减少75%,为AI应用的普及和成本降低提供了重要技术支撑。