面对目前存储与计算之间的性能瓶颈和存储容量瓶颈,在2021华为全球分析师大会,华为发布了迈向智能世界2030的九大技术挑战与研究方向 ,其中包括突破冯诺依曼限制,构建百倍密度增长的新型存储的技术挑战和研究方向。
存储面临两大问题是存得下、用得好
第一,要存得下。单位空间和能耗下的存储密度要提升100倍,而当前介质技术受限工艺、功耗限制,无法支撑。未来存储系统要突破新型大容量低时延内存技术,突破DNA存储、高维新型光存储等超大容量介质技术,突破超大存储空间模型和编码技术,打破容量墙。
第二,要用得好。未来存储系统的数据访问带宽将从TB级到PB级、访问时延将从ms级降到us级,性能密度须百倍提升。冯诺依曼架构下,数据要在CPU、内存、介质之间移动,而当前PCIE、DDR带宽速度远跟不上外部网络的性能增长。未来存储系统要突破冯诺依曼架构的限制,从以CPU为中心,转向以内存为中心、以数据为中心,从搬移数据转向搬移计算,打破性能墙。
而这些工作正在有序进行,其中2021年,华为在存储研究领域已经开展博士后研究课题。
华为副总裁、数据存储与机器视觉产品线总裁周跃峰在个人今日头条号上已经开展了【2021年华为数据存储与机器视觉博士后研究课题】
数据被誉为智能世界的“新石油”,是未来数字世界的基础生产资料。华为数据存储与机器视觉产品线在全球拥有12大研发中心,4000+研发工程师,技术领域涉及介质存储、分布式存储、SSD存储、计算机视觉、图形图像处理、AI、软件根技术及ID&UX等核心技术领域。“
周跃峰 表示 ” ”围绕数据作战,数据智能感知(机器视觉、智能协作、融合视频)、数据存储(海量存储、分布式存储)及数据智能管理,围绕数据全生命周期,让数据的每比特成本最优、每比特价值最大,构建最强数据基础设施,释放数据价值,点亮数字文明。“
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。