在2024年MWC世界移動通信大會上,中興通訊發(fā)布端到端算力基礎(chǔ)設(shè)施解決方案,提供算/存/網(wǎng)/IDC完整的全套解決方案,實現(xiàn)全棧軟硬件一體化部署,加快業(yè)務(wù)上云速度。
數(shù)智化時代催生了海量算力需求,算力已經(jīng)成為數(shù)字經(jīng)濟(jì)的重要驅(qū)動力。此次中興通訊發(fā)布的解決方案,在硬件層面,全系列服務(wù)器提供高品質(zhì)異構(gòu)算力,高性能分布式全閃存儲實現(xiàn)海量數(shù)據(jù)的快速讀寫,提升大模型訓(xùn)練的速度;無損網(wǎng)絡(luò)實現(xiàn)0丟包、微秒級時延;全液冷模塊化預(yù)制IDC,PUE低至1.13。在軟件層面,打造AI Booster智算平臺,通過自動并行訓(xùn)練最大化GPU利用率,通過可視化開發(fā)和自適應(yīng)參數(shù)優(yōu)化,大幅降低開發(fā)門檻。
此外,中興通訊為不同的應(yīng)用場景提供了差異化的解決方案。在通算領(lǐng)域,針對互聯(lián)網(wǎng)云和電信云等通用場景,提供系列化通用服務(wù)器,全系支持液冷,為客戶提供高性價比和高擴(kuò)展性的通用算力。針對海量的大視頻存儲的場景,推出了大存儲服務(wù)器。對于金融、科學(xué)計算等關(guān)鍵應(yīng)用場景,推出業(yè)界領(lǐng)先的4路服務(wù)器。此外,針對高密度計算場景,中興通訊推出IceCube全液冷整機(jī)柜方案,推進(jìn)數(shù)據(jù)中心的綠色高效發(fā)展。在智算領(lǐng)域,中興通訊提供系列化訓(xùn)練服務(wù)器、推理服務(wù)器和AiCube訓(xùn)推一體機(jī),滿足中心萬卡規(guī)模訓(xùn)練池、區(qū)域通算/智算融合推理池、邊緣訓(xùn)推一體等全場景需求。
中興通訊端到端算力基礎(chǔ)設(shè)施解決方案,提供系列化ICT硬件,實現(xiàn)全棧一體化部署,滿足客戶全場景需求。中興通訊與全球運營商和行業(yè)伙伴展開深入的合作,共同推動算力基礎(chǔ)設(shè)施的轉(zhuǎn)型升級,為全行業(yè)提供高品質(zhì)高效的澎湃算力,促進(jìn)技術(shù)的持續(xù)創(chuàng)新和商用落地,加速全行業(yè)數(shù)智化轉(zhuǎn)型。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。