2018年4月26日,以"聚浪成潮 致新志远"为主题的2018浪潮云数据中心全国合作伙伴大会IPF(Inspur Partner Forum)将在北京雁栖湖国际会展中心举行,届时将有数千名ISV、SI、CSP等不同行业领域的企业高管、海内外技术专家参加会议。
浪潮云数据中心合作伙伴大会(IPF2018)将于北京雁栖湖盛大召开
IPF合作伙伴大会是浪潮的年度盛会,不仅有新战略的宣布,还有创新产品的亮相。与以往不同,今年浪潮已经步入业务发展的新格局。2015年浪潮提出的5年进入全球前三的增长目标,已经在2017年提前3年实现。浪潮完成了从中国第一向全球领先厂商的蜕变。

IPF2015浪潮提出五年全球前三的目标
"聚浪成潮"目前已"潮已成势"。2018年,浪潮与伙伴"势在必行",将共同创造新的格局,开启全新的时代,推进五年全球第一的"新"目标。"新"成为了本届IPF的关键词。
大会亮点一:浪潮AI将全面升级
人工智能作为一项对人类社会变革带来深远影响的技术,正在呈现新思路、新格局。随着算法的日趋复杂与数据的持续增长,人工智能的下一个重大突破越来越依赖于计算技术的进步,提供计算力服务的公司在未来产业格局中的地位和价值将更加重要。
在过去的一年中,无论是产品技术创新,还是加速AI赋能行业,乃至全球AI生态推动等领域,浪潮都取得了重大突破。与百度联合发布的面向更大规模数据集和深层神经网络的超大规模AI计算模块--SR-AI整机柜服务器,与NVIDIA联合发布的超高密度服务器AGX-2,以及新型AI加速计算产品GX4。这些产品完整覆盖从单机4卡到64卡集群的不同AI计算平台,可支持从小规模的样本训练到千亿样本、万亿参数级别的超大规模模型训练,能够满足AI云、深度学习模型训练和线上推理等各类AI应用场景对计算架构性能、功耗的不同需求。同时,浪潮也发布了人工智能深度学习训练集群管理软件AIStation和Teye计算框架分析工具,并持续更新集群版开源深度学习框架Caffe-MPI。
今年,浪潮AI将全面升级,提供一系列AI计算力的核心价值与能力,驱动一个可进化的智能世界的蓬勃发展。
大会亮点二:智慧计算创新成果
IPF也是业界重要的创新成果交流平台,参会者将了解到最新的技术发展趋势。2018年,浪潮将继续聚焦智慧计算业务战略,在本届大会集中展示智慧计算的创新成果。
浪潮将与合作伙伴展出语音识别、超大规模深度学习训练、超融合架构等最新的技术、产品和解决方案,还会联合合作伙伴发布语音识别一体机等一系列联合方案。
除此之外,本次大会将有在AI、开放计算、咨询机构等领域的国内外大咖助阵,OCP开放计算社区CTO以及比亚迪、滴滴等企业负责人将就车联网、自动驾驶、智慧交通等技术话题进行演讲,分享实用经验。
大会亮点三:新的伙伴政策
在过去的16个季度中,有10个季度浪潮增速全球第一。目前浪潮已经有了相对完善的全球化布局,要保持当前的高速增长,浪潮需要构建海外市场的竞争力,因而,浪潮在2018年将进一步升级全球化战略。
另外,市场增长继续分化,CSP群体采购保持稳健,云、大数据、人工智能等新兴应用发展迅速。如何抓住市场新兴机会,是浪潮保持增长需要解决的第二个问题。
这些问题和挑战都将会对浪潮的伙伴政策产生深远影响,因而,IPF18浪潮新的伙伴政策将值得大家关注。
了解IPF2018更多详情,请点击访问
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。