济南的九月,秋高气爽,碧水绿荫,大街上已不再像烈烈夏日一样,浓浓的秋意已扑面而来。在这个金九银十的收获季节,联想创新科技大会走进泉城济南,与齐鲁人民共同见证了联想在人工智能、大数据领域的全新战略布局。
联想创新科技大会济南峰会现场
"在人工智能驱动的新时代,联想的使命是成为这一轮'由AI驱动的智能变革'的推动者和赋能者。"在此次大会上,联想集团高级副总裁、数据中心业务集团中国区总裁童夫尧一开场就表明了立场。
可以看出,在如火如荼的AI时代,作为业内知名企业,联想已经开始发力人工智能领域,提出通过"设备+云"、"基础设施+云"两大战略,为人工智能提供从前端到后端的全面支持,助力客户智能化数字化转型。
完整基础架构助力企业转型
在如今的智能互联时代,大数据、AI的高速发展使各行各业都在拥抱全新的数字化智能化转型,对于目前企业的转型过程,联想集团副总裁、首席研究员田日辉认为主要有两大阶段,一是数字化本身;二是CPS,即数字双胞胎。在未来的数字化转型首先是CPS,但CPS只是数字化的基础而非全部。
联想集团副总裁、首席研究员田日辉
事实上,联想在此次大会上也一直在提数据智能化。"一方面是要整合数据,另一方面是智能化。"田总对于数据智能提出了自己的观点,他认为,利用多元化数据统一平台去分析是数据智能的基础,其最终的目的是为了让数据产生价值,运用智能化的手段去分析数据,同时跟企业原来的业务系统,如财务、采购、市场等相互结合,将数字转变为真正有价值的资产,实现利益最大化。
的确,在大数据、AI盛行的当下,大数据是基础,是企业转型中不可忽视的一环。为了帮助企业更好地实现当下的转型变革,其实联想数据中心业务集团在不久前也发布了全新的IT基础设施产品,即ThinkSystem数据中心基础设施和解决方案产品组合以及ThinkAgile软件定义的解决方案,满足不同类型客户对于计算力的不同需求,从而为企业的智慧化转型提供强有力的基础保障。
差异化优势奠定行业地位
提到联想在大数据领域最核心的优势,田总总结为实践和人才两个层面。虽然联想本身是高科技制造企业,但联想会与不同行业客户在一起,将自身的科学周期和业务周期结合,助力客户实现利益最大化。
此外,联想此次还阐述了联想"智慧化"方案全景图,并对不同行业解决方案和技术解决方案在内的"智慧化"能力要素及金融、医疗、制造等众多行业创新落地成果做了介绍。
据联想数据中心业务集团中国区首席架构师毕巍介绍,对于不同行业的不同属性,联想也会提供差异化的解决方案,将不同行业的几个客户应用场景提炼总结形成APP,取其精华是重点工作。如在智慧城市建设领域,联想借助ThinkSystem和ThinkAgile基础架构,有效促进警务、政务、互联网数据融合;在智能制造方面,联想通过一体化决策系统,实现与供应链上下游生态伙伴高度协同,全面助力各行业客户智慧化转型。
除此之外,在助力企业转型及AI发展的进程中,联想宣布成功交付北京大学高性能计算校级公共平台集群,为北京大学的科研创新提供了强有力的支持。据悉,该集群采用了常温直接水冷技术解决CPU和内存散热问题,系统性能、节能效果均有提升。
联想作为业内知名企业,在企业级市场深耕多年,其大数据智能平台、ThinkSystem系列等均为当下人工智能的高速发展提供了支持。未来,联想将继续发挥自身在产品及解决方案上的创新能力,开启智慧计算的新纪元。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。