作为英国政府50项人工智能机遇行动计划的重要组成部分,英国政府宣布正在建设该国首台AI超级计算机,为位于牛津郡的卡勒姆园区提供支持。这里也是英国首个AI增长区的所在地。
英国政府正在投资4500万英镑建造一台名为Sunrise的1.4兆瓦超级计算机,这是在英国原子能监管局建立该国首个AI增长区的重要第一步。
Sunrise在英国核聚变战略中正式发布,预计将于6月投入使用。英国政府声称这是全球最强大的专门用于核聚变能源研究的AI超级计算机。
随着全球经济因霍尔木兹海峡实际封闭而受到冲击(由于美国和以色列对伊朗的轰炸),英国政府正在寻求缓冲该国能源免受石油市场波动影响的方法。
科学、创新、研究和核能部长帕特里克·瓦兰斯表示:"通过支持我们的核聚变产业,我们不仅确保了未来的能源独立,而且从创新研究到工程师,我们也为英国人民提供了未来熟练的清洁能源工作岗位。"
由能源安全和净零排放部资助的Sunrise超级计算机专门用于解决核聚变能源挑战,涵盖等离子体湍流、材料开发和氚燃料繁殖等领域。它还将加强卡勒姆园区以及英国高性能计算领域的核心AI能力,为政府的AI机遇行动计划和科学AI战略做出贡献。
这台6.76百万万亿次浮点运算的AI超级计算机由AMD、能源安全和净零排放部、科学创新技术部、戴尔科技、英特尔、英国原子能监管局、剑桥大学和数据平台提供商Weka共同合作建设。
Sunrise采用AMD霄龙处理器和AMD Instinct图形处理单元加速,基于戴尔PowerEdge平台构建。AMD公共部门战略和发展高级副总裁托马斯·扎查里亚表示:"核聚变研究推动了科学和计算的极限,需要大规模仿真、复杂建模和先进AI来加速进展。"
英国原子能监管局表示,Sunrise将用于加速建模、提供高保真度仿真,并为复杂系统创建数字孪生。
英国原子能监管局计算项目主管罗布·埃克斯表示:"Sunrise将通过结合高保真度仿真与物理信息AI,为核聚变领域带来这种能力,开发预测性数字孪生,减少原本需要昂贵且耗时的物理测试所带来的成本、风险和时间。
"英国原子能监管局很荣幸与这样一个开创性的合作伙伴团队合作,利用AI和大规模高性能计算支持英国的核聚变路线图和净零排放使命,"他补充道。
2023年,戴尔科技、英特尔、剑桥大学和英国原子能监管局共同制定了通过"工业元宇宙"使用超级计算机和AI推进英国原型核聚变电站设计能力发展的计划。
2026年1月,英国政府向剑桥超算中心注入了3600万英镑的投资。
剑桥研究计算服务主管保罗·卡莱哈表示:"Sunrise是英国加强主权科学计算能力、加速核聚变研究、为卡勒姆AI增长区奠定基础这一宏大愿景的重要第一步。"
Q&A
Q1:Sunrise AI超级计算机的主要用途是什么?
A:Sunrise主要用于解决核聚变能源挑战,包括等离子体湍流、材料开发和氚燃料繁殖等领域。它还能够加速建模、提供高保真度仿真,并为复杂系统创建数字孪生,从而减少原本需要昂贵且耗时的物理测试成本。
Q2:Sunrise AI超级计算机有什么技术特色?
A:Sunrise具有6.76百万万亿次浮点运算能力,被称为全球最强大的专门用于核聚变能源研究的AI超级计算机。它采用AMD霄龙处理器和AMD Instinct GPU加速,基于戴尔PowerEdge平台构建,能够结合高保真度仿真与物理信息AI技术。
Q3:英国为什么要建设专门的核聚变AI超级计算机?
A:英国政府希望通过支持核聚变产业确保未来的能源独立,缓冲国家能源免受石油市场波动影响。Sunrise是英国首个AI增长区建设的重要组成部分,旨在加强英国的主权科学计算能力,推进核聚变研究,并为净零排放目标做出贡献。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。