近日,美国科技信息评论杂志《CIOReview》评选出 “全球TOP20最具发展潜力HPC解决方案供应商”,浪潮作为全球领先的计算力提供商,与Cray、IBM、Nvidia及HPE等企业共同入选该榜单。
CIOReview杂志每年会对全球HPC厂商进行分析,通过对产品创新力、技术储备、解决方案开发、市场占有率及客户满意度等多维度综合评估,从全球筛选出20家在客户群体中影响力扩张迅速、推动HPC技术应用发展、成长潜力巨大的公司。目前,该榜单正在获得越来越多客户与HPC解决方案商的认可。CIOReview杂志认为,浪潮未来解决方案最大的优势在于帮助企业变得更加敏捷并与不断变化的需求保持同步,提供符合客户组织目标的、整体的、场景化的针对性解决方案。
在HPC领域,浪潮具有完整的HPC硬件产品线、领先的HPC应用优化支撑能力、完备的HPC系统软件开发能力,以及迅捷的HPC服务能力。在产品创新方面,覆盖风冷水冷基础架构、双路、4路以及8路、32路等全线服务器节点产品,如在ISC18国际超算大会上浪潮最新发布的创新设计服务器i48,既可作为新型的高密度计算模块完成整体系统的一致性、高密度和快速部署,同时也能根据应用数据容量和处理性能要求灵活配置计算节点与存储节点,能够更好的支持AI、HPC、NFV等业务所需的IT基础设施的构建。在2017年中国HPC TOP100榜单中,浪潮居厂商份额第一。在2018全球HPC TOP500榜单中,浪潮位居全球前三。
事实上,随着HPC技术的发展,AI正在从一个完全不同的方向交叉而来,为传统的HPC创造出一个高速成长的新兴应用领域,AI与HPC的融合正成为未来超算发展的必然趋势。当前,许多AI公司如百度、阿里、Facebook、谷歌、微软等等,都已建立起了计算性能可观的HPC系统,并将这些系统用于人工智能的机器学习和深度学习领域。据预测,全球AI市场从2016年近80亿美元将提升至2020年的470多亿美元,复合年均增长率为55.1%。对于所有的HPC厂商而言,谁能够更加快速、稳健的将业务扩展至AI这一新兴应用领域,谁就能够赢得市场先机。
在接受CIOReview采访时,浪潮全球AI&HPC总监Vangel Bojaxhi提到,浪潮被外界所看好的,正在于浪潮在HPC与AI领域的技术创新,以及在HPC与AI融合领域建立的坚实客户基础与高成长前景。如浪潮为华中师范大学设计建造基于“NVLink+Volta”的千万亿次超级计算机,用于加速物理前沿科学和自动驾驶AI技术研究,这其实就是HPC与AI技术融合的典型应用。
基于对AI未来发展趋势的判断,浪潮正致力于打造系统级的AI战略架构,充分挖掘AI基础架构的潜力。目前,浪潮已构建涵盖计算平台、管理套件、框架优化、应用加速四个层次的AI核心竞争力,可为客户提供GPU、FPGA等AI服务器系列、深度学习训练集群管理软件AIStation、AI性能调优工具Teye以及集群版开源深度学习框架Caffe-MPI等完整的AI基础架构服务。同时,浪潮也在不断完善深入行业场景的AI产业生态,和伙伴一起为用户提供端到端的AI整体方案,推进AI更广泛的商业化场景。据IDC最新数据报告显示,浪潮2017年中国AI服务器市场占有率达57%,超过其他厂商份额的总和。
Vangel Bojaxhi在接受采访时还表示:“浪潮希望充分发挥在AI和HPC领域的最大潜能,通过技术创新、定制化、场景化、世界一流的解决方案,更好的应对数据爆炸带来的挑战,促进AI与HPC技术发展,推动全球各行业技术应用与数字化升级。”
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。