中国,杭州,2018年3月30日——全球领先的存储解决方案提供商希捷科技公司(NASDAQ:STX)日前参加由海康威视于杭州国际博览中心主办的智涌钱塘—2018 AI Cloud生态国际峰会并参与了AI Cloud生态启动仪式。此次峰会,业界伙伴齐聚一堂,以人工智能AI 为核心,就AI的发展趋势、应用以及对于未来社会的影响进行了深度交流和探讨,旨在推动AI生态圈的健康稳定发展,缔造人工智能化的美好未来而努力。
近年来,随着大数据的发展,人工智能和云计算正成为一场席卷各行各业的新的智力革命。人工智能和云计算在垂直领域的不断落地,为传统行业包括金融、农业、物流、安防、教育、医疗等诸多领域带来颠覆式变革。据2018-2023年中国人工智能技术应用行业深度分析和发展前景预测报告,至2030年,人工智能将在中国产生约10万亿元的产业带动效益,不同行业乃至整个社会向智能化时代迈进是大势所趋。
AI发展之快以及影响之深远是空前的,希捷科技是业界最早意识到这点的企业,根据希捷科技赞助、国际数据公司(IDC)发布的白皮书《数据时代2025》预测,到 2025 年,属于数据分析的全球数据总量将增长至原来的 50 倍,达到 5.2 ZB;而认知系统或者人工智能“触及”的分析数据总量将增长至原来的100 倍,达到 1.4 ZB!由此可见,人工智能在以前所未有的速度发展。而安防领域是人工智能首先落地的普及率最高的行业,希捷科技在其业界领先的监控存储方案中率先植入AI 功能,发布了专门针对AI应用的酷鹰人工智能(SkyHawk AI)监控硬盘。该硬盘具备高吞吐量和优化的缓存,能够提供低延迟和极佳随机读取性能,实现对视频图像的迅速定位与传送并进行影像分析,是解决随着人工智能工作流产生的密集计算工作负载的理想方案。这款硬盘有助于推进决策,消除云数据交换和处理的延时。酷鹰人工智能(SkyHawk AI)硬盘配有希捷ImagePerfect人工智能固件,能够可靠无损地记录高质量的重要视频片段,同时支持智能NVR的多路视频分析,确保视频监控图像信息不会丢失。酷鹰人工智能(SkyHawk AI)监控硬盘是希捷成功应用AI技术提升安防行业效率以及推动AI普及的突破性的一步,开创了数据存储界AI应用的先河。
此次峰会中,希捷科技全球副总裁暨中国区总裁孙丹女士表示:“大数据驱动下,全球对人工智能视频监控硬盘和云数据中心硬盘的需求正呈指数上升。希捷一贯致力于优化拓展存储性能,意识到合作伙伴对智能化攀升的需求,我们将人工智能融入到存储解决方案,便于我们的合作伙伴优化系统的性能,高效利用存储的数据实现业务增长,大幅提升了他们的价值空间,从而和他们一起打造稳定健康发展的人工智能生态圈。”
酷鹰人工智能(SkyHawk AI)硬盘的应用与海康威视AI Cloud智能物联网架构的研发宗旨不谋而合。海康威视AI Cloud从边缘节点、边缘域到云中心的采用智能化的数据采集、处理和分析技术,真正做到让感知理解更有效、更精准,图像目标传输更高效,数据分级应用更灵活,业务响应更敏捷。
海康威视国内营销中心副总经理郭旭东先生称:“大数据时代的快速发展必将引爆智能化的进程,顺应时代发展,我们将AI注入边缘,让机器变得聪明,从而提升其认识能力和感知能力,加速智能化进程的步伐。而我们很欣慰地看到像希捷这样的业界合作伙伴能够一直与我们并驾齐驱,在人工智能领域取得突破性创新,将AI产品推广应用到各行各业,在各自的领域为智能化生态圈的发展助力。”
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。