2023年8月11日,以“数智双擎,算融未来”为主题的2023东湖算力与大数据创新大会在武汉顺利举行。AI大模型创新成果与产业专题论坛同期举办,论坛邀请来自高校、研究机构,以及各行业企业大模型技术专家、资深工程师和产业精英代表等,分别从大模型应用、算法、AI基础软硬件等不同视角进行深入研讨,共话算力时代产业发展新趋势及新挑战。
赋能万物,智领大模型应用未来
2023年无疑是AI大模型的“爆发年”,大模型以极强的通用能力和突破性效果,正加速推动通用人工智能的快速发展。
会上,武汉大学人文社会科学研究院副院长陶军在致辞中表示,AI大模型是人工智能领域的重要创新,但也面临着许多挑战和风险,我们需要从多个角度深入思考和讨论,共促AI大模型健康和可持续发展。
武汉大学人文社会科学研究院副院长 陶军
武汉人工智能研究院院长、中科院自动化所紫东太初大模型研究中心常务副主任王金桥表示,普惠AI时代正在到来,整个人工智能大模型的道路刚刚开启。如何解决算力短缺、大模型训练成本高等问题,是当下我们要重点探讨的内容。
武汉人工智能研究院院长、中科院自动化所紫东太初大模型研究中心常务副主任 王金桥
华为公共事业系统部副总裁孙鹏飞表示,当前,基于昇腾AI已经孵化和适配了30多个主流大模型,为中国人工智能产业繁荣提供了强大稳固的基石。未来,AI大模型将应用到千行百业,成为各行业的重要技术手段。
华为公共事业系统部副总裁 孙鹏飞
算力驱动,共促大模型产业发展
在北京航空航天大学教授、“数据智能与智慧管理”工信部重点实验室主任、国家杰青吴俊杰看来,算力能够驱动数据智能的研究与应用,能够把技术和管理衔接起来,以可信安全的方式赋能人机协同、管理决策、城市公共事业等各类场景应用。
北京航空航天大学二级岗教授、“数据智能与智慧管理”工信部重点实验室主任、国家杰青 吴俊杰
谈及提高算力应用成效的方法时,武汉数据智能研究院副院长、武汉大学信息管理学院副院长吴江以武汉数据智能研究院举例,研究院正在通过昇腾AI、昇思MindSpore AI框架等技术能力,支持企业孵化,推进长江中游城市群等产业集群发展。
武汉数据智能研究院副院长、武汉大学信息管理学院副院长 吴江
武汉人工智能研究院算法架构师、中科院自动化所副研究员易东以紫东太初2.0全模态大模型为例说到,基于昇腾AI的紫东太初模态更全、思考能力更强、插件更多,极大地提高了自身的主动性、精确性、实效性以及创造力。
武汉人工智能研究院算法架构师、中科院自动化所副研究员 易东
创新实践,推进大模型落地应用
大模型研发及AI基础软件方面,武汉大学计算机学院副研究员李祖超分享了基于昇思MindSpore AI框架打造的幂思BatGPT大模型和中国大模型产业化的方向。昇思MindSpore技术总监徐传飞带来了关于昇思MindSpore原生支持大模型开发的技术分享,现场讲解基于昇思MindSpore打造的大模型开发套件从开发、训练、微调到部署的全流程加速大模型开发的能力。
武汉大学计算机学院副研究员 李祖超
昇思MindSpore技术总监 徐传飞
在气象预测大模型方面,华为公共事业系统部气象解决方案主任架构师曹晖介绍,华为云盘古气象大模型能够在1.4秒内完成未来24小时的全球天气预报,比传统的方法快了1万倍。
华为公共事业系统部气象解决方案主任架构师 曹晖
在AI+法律服务方面,武汉百智诚远副总经理孙诗怡表示,在处理法院诉讼服务的过程中,我们通过紫东太初大模型构建出法律行业专用模型来帮助分析案件,有效减轻了人工筛选的工作量。
活动当日还开展了圆桌讨论。程齐凯、邹立新、易东、孙诗怡、李明举等AI大模型相关的学术、产业界专家参与讨论,深度交流关于AI大模型的创新研发、落地应用以及长期发展等问题。
大模型已经成为全球科技竞争高地,随着AI新时代的到来,基于昇腾AI打造的武汉人工智能计算中心,将继续以算力赋能产业集群发展,为数智武汉、数智湖北、数智中国建设赋能。
好文章,需要你的鼓励
Mistral AI 和艾伦人工智能研究所发布了新的开源大语言模型。Mistral Small 3 拥有 240 亿参数,可在某些 MacBook 上运行。AI2 的 Tülu 3 405B 是基于 Meta 的 Llama 3.1 405B 模型改进而来。两个模型都声称在各自类别中处于领先地位,并以开源许可发布。
本文介绍了6个在2025年值得关注的数据中心相关缩写词,包括ARM处理器架构、裸金属即服务(BMaaS)、卷积神经网络(CNN)、NVIDIA新一代GPU GB200、后量子加密(PQC)以及UPS即服务(UPSaaS)。这些缩写词反映了数据中心领域的创新趋势,涉及AI、量子计算、基础设施服务等热点技术。
人工智能正在彻底改变研发领域。从解决复杂数学问题到发现新型抗生素,AI 已经展现出强大的科研能力。这种变革不仅提高了研究效率,还使得一些之前无法解决的问题成为可能。然而,如何有效实施 AI 技术、处理数据质量问题以及探索智能代理 AI 的潜力,仍是未来研发领域面临的重要挑战。
随着人工智能概念验证向突破性技术演进,访问和利用海量私有数据将成为关键。文章探讨了数据在人工智能中的核心作用,强调了连接性的重要性,并重新引发了云计算模型的讨论。文章还指出了标准化在优化人工智能方面的重要性,以及提高认知和加强合作的必要性。