Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

IPF2022浪潮信息生态伙伴大会召开:首款元宇宙服务器 MetaEngine发布,源1.0大模型迎来重磅能力升级

3月17日,主题为“智算创见 数实相融”的浪潮信息生态伙伴大会IPF2022召开。

近年来,AI、元宇宙、云、大数据等创新 IT 技术日益融入经济社会发展的全方位、全过程,推动数字世界和物理世界融合持续深入。传统计算向智慧计算的升级成为这场变革的关键。

作为新一轮科技革命和产业变革的重要方法和工具,智慧计算在认识世界、推动数字经济与实体经济融合、催生新产业形态方面,发挥了越来越大的作用,成为驱动未来发展的重要力量。在 “十四五” 数字经济发展规划中,数字经济核心产业增加值占 GDP 的比重,将从 2020 年的 7.8% 上升到 2025 年的 10%。中国数字经济的产业规模将从 2020 年的 39.2 万亿提升到 2025 年的 70 万亿。数字经济的快速发展,数实的深度相融,对算力产生了巨大需求。

在这场变革中,浪潮信息正在不断创新算力、算法、数据基础设施,推动智算中心新基建,成为驱动数字经济高质量发展的重要力量。

3 月 17 日,主题为 “智算创见 数实相融” 的浪潮信息生态伙伴大会 IPF2022 召开,近百位专家学者,工程院、科学院院士,行业领袖,资深分析师在大会上分享精彩观点和产业洞察,来自全球的 14000 + 浪潮信息分销、ISV、SI 等合作伙伴在线出席了本次大会。

中美领跑:全球计算力指数报告发布

根据浪潮信息人工智能研究院测算,预计到 2025 年全球算力规模将达 6.8Z FLOPS(FP16),比 2020 年提升了 30 倍。同时,算力作为一种新技术生产力,成为挖掘数据要素价值,推动数字经济发展的核心支撑力和驱动力。

大会期间,浪潮信息、IDC 和清华大学联合推出《2021-2022 全球计算力指数评估报告》,量化揭示了全球主要国家 GDP、数字经济与计算力之间的关联性和相互拉动作用。报告显示,数字经济时代,投资算力拉动经济增长具有长期性和倍增效应:一个国家的计算力指数平均每提高 1 点,数字经济和 GDP 将分别增长 3.5‰和 1.8‰ 。当一个国家的计算力指数达到 40 分、60 分时,计算力指数每提升 1 点,其对于 GDP 增长的推动力将分别增加 1.5 倍和 3.0 倍。

报告中的计算力指数国家排名结果显示,美国和中国分别以 77 分和 70 分位列前两位,同处于领跑者位置; 追赶者国家得分在 40 分到 60 分区间,包括日本、德国、英国、法国、加拿大、韩国、澳大利亚; 得分低于 40 分的为起步者国家,包括印度、意大利、巴西、俄罗斯、南非和马来西亚。 

评估结果显示,全球各国间的算力竞争愈加白热化,除南非外,其余国家算力评分均有所提升,其中中国计算力水平增幅最大,达到 13.5%。各样本国家所属阵营的划分较上一年并未发生变化,一定程度上反映出全球各国算力竞争格局已初步形成。美国和中国作为领跑者阵营国家,在全球算力领域的主导地位进一步得到了增强。

首款元宇宙服务器 MetaEngine 面世

自去年以来,元宇宙就成为了科技领域的热门议题之一。实际上,要构建高度拟真的数字世界并实现数亿用户的实时交互的“元宇宙”,面临着场景规模大、场景复杂度高,以及多设计师和多部门协作、极高逼真数字元素制作,实时渲染、仿真和交互等诸多挑战,并对支撑元宇宙构建和运转的核心源动力——算力提出了更高的要求。这种要求不仅仅是高性能、低延迟、易扩展的硬件平台,还有端到端、生态丰富、高易用的软件栈。

在 2022 浪潮信息生态伙伴大会(IPF2022)上,浪潮信息重磅发布了首款元宇宙服务器 MetaEngine,将为元宇宙数字空间的创建和运行提供强大算力,目标是构建软硬一体化基础设施,服务于大规模、高复杂、高逼真数字场景协同创建和实时渲染仿真,成为连接现实世界和数字世界的坚实底座,加速各行业“数实相融”,助力数字经济高质量发展。

作为元宇宙生态的底层算力支撑平台,MetaEngine 将承载元宇宙构建和运行所需的技术和工具,提供对 AI、渲染、仿真、建模等负载的算力支持,满足元宇宙创建所需的“协同创建、实时渲染、高精仿真、智能交互”4 大作业环节的不同类型算力需求,并通过高速、无阻塞的网络信道,按需扩展至大规模算力集群。浪潮元宇宙服务器结合业界最强软硬件生态,协同优化加速数字孪生世界构建,为用户打造高效的元宇宙协同开发体验。单台元宇宙服务器即可支持 256 位元宇宙架构师协同创作,每秒 AIGC 2000 个数字场景,1000 位 VR/AR 用户共享 10K 超高清 3D 数字世界顺畅体验。

针对互联网、教育、科研、自动驾驶、制造、建筑、室内设计、媒体娱乐等行业用户细分应用场景,浪潮信息还将联合元脑生态合作伙伴打造一体化元宇宙解决方案,推动应用快速落地,加速数实无缝融合,开启未来无限可能。

“源”大模型基建化能力重磅升级

近年来,人工智能发展已经从 “大炼模型” 逐步迈向了 “炼大模型” 的阶段,利用先进的算法,整合大规模的数据,汇聚大量算力,训练出巨量人工智能模型。

人工智能模型目前还存在诸多挑战。首先,目前的语言模型面临着通用性不高的问题,即某一个模型往往专用于特定领域,应用于其他领域时效果不好。而训练超大参数模型就能一定程度上解决通用性问题,它可以被应用于翻译、问答、文本生成等等,涵盖自然语言理解的所有领域,可以被广泛地应用于各行各业的各种 AI 场景,成为更加通用的语言智能的希望。

其次,大模型的开发存在开发成本高、周期长的问题。预训练的大模型设计的目的就是为了让大家降低使用成本。通过一个预训练大模型面向任务做小样本学习零样本学习以及微调,孵化出新的技能模型,不需要开发使用者再进行大规模的训练,能够极大地降低开发生产难度。

2021 年,浪潮信息人工智能产业研究院发布全球最大规模中文人工智能巨量模型 “源”,在这次大会上,浪潮信息发布了由“源” 大模型生成的最新技能模型,包括知识增强的对话模型、知识检索问答模型、中英文翻译模型、古文理解模型。

“源”大模型可以更加快速地生产出专业的技能模型,从而在更多专业场景中实现小型化、轻量化的落地运作。同时,“源”大模型也已经落户南京智能计算中心,以模型 API 服务、领域模型、开发者社区的形式对外提供算法基础服务,缓解企业面对大模型训练成本高、技术门槛高的问题,“源”大模型上线不到 5 个月的时间,就已经有超过 200 家单位试用,支持了 100 多个行业应用。

浪潮人工智能研究院首席研究员、浪潮信息 AI&HPC 应用软件部总经理吴韶华介绍说,未来一段时间内,浪潮将和各位生态伙伴一同探索 “源 2.0” 大模型的打造,它面向多模态领域,以处理文字、图片、视频等各种模态的输入信息,并将根据用户的反馈,有针对性地开展更多的技能模型的探索。

全栈布局液冷,亚洲最大液冷基地正式亮相

此外,浪潮信息与京东云在大会上联合发布了天枢(ORS3000S)液冷整机柜服务器,机柜支持冷板式液冷,散热效率提升 50%,采用 N+N 冗余的集中供电设计,满足多节点供电需求的同时,均衡整个 Rack 负载输出,满负载时电源工作在 50% 负载最佳效率点,供电能效提升 10%,实现一体化交付,高效运维部署,交付速度提高 5-10 倍。目前该产品已经在京东云数据中心实现规模化部署,为京东 618、双十一、虎年央视春晚红包互动等提供了基础算力保障,助力京东云数据中心降低 PUE,实现低碳节能。

目前,浪潮信息已全栈布局液冷,冷板式液冷、热管式液冷、浸没式液冷等各类型的产品都实现了大批量的部署。为推进液冷产业化,降低数据中心能耗,促进中国的碳达峰和碳中和,会上浪潮信息亚洲最大液冷数据中心研发生产基地——天池首次对外亮相,基地年产能达 10 万台,实现了业界首次冷板式液冷整机柜的大批量交付,帮助用户数据中心 PUE 降低至 1.1 以下,整体交付周期在 5-7 天之内。

浪潮信息副总裁、AI&HPC 产品线总经理刘军表示:“未来的数据中心只有一种冷却,就是液冷。只不过我们还不知道它会在哪一年到来,或快或慢,然而最终的形式一定是走向液冷。”

会上,浪潮信息联合燧原科技发布了 “钱塘江” 智算中心方案。该方案采用尖端的人工智能算力芯片和系统架构,支持超大规模集群扩展,具备领先的液冷散热能力,并提供普惠的应用生态支持。“钱塘江”智算中心方案提供尖端算力输出,采用屡获全球 AI 基准测试冠军的浪潮 AI 服务器系统架构,搭载燧原科技高能效 AI 算力芯片“邃思 2.0” ,单集群即可提供超过 200P 峰值 AI 算力(TF32),支持按需横向扩容。

“钱塘江”智算中心方案具有绿色低碳的独特优势,创新研发全球首台开放加速模组液冷计算平台,率先实现单节点 8 颗 400W 高性能 AI 芯片液冷散热,支持 50℃中高温水运行,采用先进变频流量系统,大幅提高流量变化范围、降低能耗, 智算中心整体 PUE 低于 1.1。

开放融合,元脑生态持续聚力共赢

为解决生态复杂离散,产业 AI 落地困难的挑战,浪潮信息于 2019 年牵头发起了元脑生态计划,聚合了具备 AI 开发核心能力的左手伙伴和具备行业 AI 整体方案交付能力的右手伙伴。2021 年底,浪潮信息生态伙伴数量已达到 20000 家,其中元脑生态伙伴 4400 家, 完成联合解决方案 200 多个。

2022 年,浪潮信息还将继续推行 “智算合伙人” 理念,持续壮大元脑生态,具体包括升级元脑平台 AIStore、加速分销智慧转型、行业智能方案共创、伙伴赋能加油站等四大举措。为此,浪潮信息将为伙伴培训技术专家 5000 人以上,增加行业智算方案开发费用投入。

刘军表示,元脑生态的核心目标是推动产业实体经济与数字技术、智能技术的结合,使得数字化和智能化的能力充分释放到产业发展中。通过元脑生态,左右手伙伴将在浪潮信息计算平台、资源平台、算法平台上实现协同创新,加速数实相融。

产业元宇宙浪潮信息
1
相关数据
清华大学机构

清华大学(Tsinghua University),简称“清华”,由中华人民共和国教育部直属,中央直管副部级建制,位列“211工程”、“985工程”、“世界一流大学和一流学科”,入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”,为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员,被誉为“红色工程师的摇篮”。 清华大学的前身清华学堂始建于1911年,因水木清华而得名,是清政府设立的留美预备学校,其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙,与北京大学、南开大学组建国立长沙临时大学,1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立,清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

http://www.tsinghua.edu.cn/
相关技术
自然语言理解技术

自然语言理解是人工智能的核心课题之一,也被广泛认为是最困难和最具标志性的任务。最经典的两个人工智能思想实验——图灵测试和中文房间,都是围绕自然语言理解来构建的。自然语言理解在人工智能技术体系中的重要性不言而喻,它一方面承载着机器和人的交流,另一方面直达知识和逻辑。自然语言理解也是人工智能学者孜孜以求的圣杯,机器学习的巨擘 Michael I. Jordan 就曾经在 Reddit 上的 AMA(Ask Me Anything)栏目中畅想用十亿美元建立一个专门用于自然语言理解的实验室。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

零样本学习技术

从仅仅一个或一小撮样本中学习一个新的概念,而普通的机器学习标准算法通常需要几十或几百个表现类似的样本。

参数模型技术

在统计学中,参数模型是可以使用有限数量的参数来描述的分布类型。 这些参数通常被收集在一起以形成单个k维参数矢量θ=(θ1,θ2,...,θk)。

京东机构

京东(股票代码:JD),中国自营式电商企业,创始人刘强东担任京东集团董事局主席兼首席执行官。旗下设有京东零售、京东物流、京东科技子集团、印尼&泰国海外合资跨境电商等核心业务。2013年正式获得虚拟运营商牌照。2014年5月在美国纳斯达克证券交易所正式挂牌上市。 2016年6月与沃尔玛达成深度战略合作。

https://www.jd.com
相关技术
文本生成技术

文本生成是生成文本的任务,其目的是使人类书写文本难以区分。

数字孪生技术

数字孪生(*Digital twin*)指可用于各种目的物理资产(物理孪生,physical twin)、过程、人员、场所、系统和设备的数字副本。

语言模型技术

统计式的语言模型是借由一个几率分布,而指派几率给字词所组成的字串。语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。

小样本学习技术

人类非常擅长通过极少量的样本识别一个新物体,比如小孩子只需要书中的一些图片就可以认识什么是“斑马”,什么是“犀牛”。在人类的快速学习能力的启发下,研究人员希望机器学习模型在学习了一定类别的大量数据后,对于新的类别,只需要少量的样本就能快速学习,这就是 Few-shot Learning 要解决的问题。

量化技术

深度学习中的量化是指,用低位宽数字的神经网络近似使用了浮点数的神经网络的过程。

推荐文章
暂无评论
暂无评论~