3月30日,“智涌钱塘”2018AI Cloud生态国际峰会在G20主会场·杭州国际博览中心隆重举行。在此次峰会上,希捷科技作为海康威视重要的合作伙伴参与了AI Cloud生态启动仪式。在现场至顶网采访到了希捷科技全球副总裁暨中国区总裁孙丹女士。孙丹介绍了2018年希捷科技最新的公司动态和发展计划,以及对于新技术、新趋势的看法。
2018年希捷将围绕IT4.0战略来推进产业发展
首先围绕IT4.0战略来推动工作。孙丹表示,希捷公司内部提出IT4.0战略,2018年会按照IT 4.0来实施推动产业快速发展。(IT3.0指的是云计算, IT 4.0指的边缘智能化),今后希捷要围绕边缘智能化的平台来推动产品研发和市场策略。包括在中国希捷将围绕着物联网、智能化这些新兴的机会进行发力。
其次从企业级角度来讲,希捷还是要发挥战略结盟,强强联合的战略,2018年已经陆陆续续发布了一些MOU的签署,希捷将跟优秀的企业去学习,像腾讯、百度,等互联网企业做很多技术上的合作研发。
第三,加速产品上的创新和定制化。包括去年10月份发布了基于安防监控的酷鹰(SkyHawk AI)人工智能监控硬盘,包括专门针对64路流媒体图像分析的硬盘,包括推出专门针对无人汽车的硬盘等等,希捷已经推出多种定制化产品。今后会针对IT 4.0平台各种需求推出创新和定制化的产品。
对于闪存,希捷的最新信息是什么?
孙丹表示目前闪存战略上最重要的是等待贝恩收购东芝的最终的批准。同时希捷其实跟东芝已经是一个战略的合作,所以在NAND闪存颗粒的供应和成本是有保证的。
2018年下半年会看到希捷推出更多的SSD产品,包括消费类产品。以前希捷只做企业级,因为我们NAND供应限制。随着NAND颗粒供应的保证,今年下半年希捷会推出基于个人消费者的SSD。今后在SSD产品线上,希捷会更加全面。同时随着NAND颗粒供应的保证,未来SSD将是希捷很重要的一个增长点。
大容量硬盘2018年处于供不应求状态
孙丹认为AI与分布式存储的发展,让包括氦气硬盘在内的大容量硬盘需求处于高速增长状态。不仅仅是安防领域对于存储的需求,就像此次2018AI Cloud生态国际峰会概念一样,在AI 后端一定是云,而前端是边缘设备、互联网加上人工智能这些软件的分析。这些应用和数据从硬盘需求上来讲,会有很大的增长。事实上证明现在大容量盘已经处于供给不足状态。当然也是因为市场需求量的增长,突然井喷式的增长,所以对于希捷来说很大的一个挑战就是产能,就是怎么能为客户生产更多的产品,满足他们的需求。
还有分布式存储对硬盘厂商来说带来非常好的一个机遇,同时希捷科技已经投资美国一家区块链公司,虽然对于区块链孙丹表示还是很谨慎的观望,但是其技术和应用对于大量硬盘的需求是肯定的。
对于海康威视的评价,抓住了每次转型机遇
对于海康威视这个合作伙伴,孙丹表示海康威视是一个非常受尊敬的公司。海康威视最大的优势是技术的快速创新和敏锐的抓住转型的机遇。整个安防行业确实在过去这些年有非常多的转型,包括从模拟到数字,数字到高清,然后到网络化,到智能化。每一个转型海康都抓住了机遇,并且遥遥领先市场。所以海康威视才能够实现这么快的增长。这个是它最重要的一个成功点。
比如今天大家可能还在做高清的时候,海康威视已经在考虑智能化了,所以这个完全是超前的,包括它在后台做很多系统,比如去年跟我们一起做的酷鹰硬盘健康管理方案(SkyHawk Health Management),它也是率先在系统里加上一些硬盘管理功能,这些都是很有远见的,就是它确实是想得远,而且同时做得很快。速度快也是海康威视成功的一个关键。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。