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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。