11月23日下午,在上海市通信管理局、上海市发展与改革委员会的指导下,由上海市通信学会(上海市通信学会新型数据中心专委会)主办,中国信息通信研究院华东分院、超聚变数字技术有限公司联合承办的“2022年算力网络与数字经济发展论坛“在上海顺利召开。200余学界专家及企业代表出席会议,共同探讨如何创新算力网络,共促数字经济高效发展。
本次论坛以“夯实算力底座,赋能数字经济“为主题,运营商企业、数据中心企业代表、各行业算力用户、超聚变及合作伙伴等多方人士,分享算力赋能数字经济的趋势理念、路径效能、最佳实践等并提出建议。上海市通信管理局王天广副局长、上海市通信学会郑荣良秘书长为论坛致辞。上海市新型互联网交换中心有限责任公司、超聚变数字技术有限公司、中国电信、中国移动、中国联通等算力和网络提供企业,以及银联商务、帆一上行、上海爱数、瀚博半导体等算力用户企业代表,围绕算力规划和行业实践在论坛上做了分享交流。
上海通信管理局副局长王天广表示,算力作为数字经济时代新的生产力,是支撑数字经济发展的坚实基础。党中央、国务院、工信部、上海市都高度重视算力产业发展。运营商作为我国数字化建设的主力军,积极响应国家战略部署,深入布局“算力”新基建。王天广就如何加快推动算力和网络协同发展提出三点建议:一是要加快推进网络基础设施建设。业界要加快推进数据中心高速承载网络建设,实现新型数据中心集群的网络直连,持续提升网络互联互通水平;二是要持续推动算力标准体系建立。相关单位要在更大范围达成共识,加快技术路线规划以及技术标准制定步伐;三是要不断完善算力产业发展生态。相关服务企业要从实际算力需求出发建设公共算力服务平台,降低公共算力成本,实现普惠包容算力。
超聚变全球Marketing与销售服务部副总裁郑殿海表示,全球数字经济快速发展,算力需求高速增长。作为数字经济发展的基石与底座,算力正面临着安全可信、算力需求多样化以及绿色低碳等三大挑战。超聚变将从架构创新、软件创新、算法创新三个方面应对挑战,打造软硬件双生态是起步。硬件双生态,打造双生态供应产业链,构建东西方产业生态的战略平衡,平衡是最可靠的安全。软件双生态,南向兼容硬件差异,北向实现东西方应用整合,超聚变基于OpenEuler推出的FusionOS操作系统,正是软件双生态实践的重要一步。此外,协同运营商构筑灵活敏捷的算力网络,以此应对算力需求挑战,让算力发生在业务需要的地方,匹配算力再分布诉求。通过一体化数据中心场景应对绿色低碳挑战,打造节能算网,超聚变在这方面的实践是研发出整机柜液冷服务器,适用于风冷和液冷场景,实现机柜空间利用率100%等。面向未来,超聚变坚持打造最强的双生态/安全异构+使能绿色算力网络的无边界计算的产业战略,在继承全球领先的平台优势,进一步聚焦发展算力和生态四个方向:技术、供应、市场、服务。此外,超聚变还将构筑生态型产业,与广大生态伙伴一起,共建价值创造平台,共赢算力未来。
会上,为加快推动上海市数据中心的高质量发展,全面支撑城市数字化转型,由万国数据、有孚网络、宝信软件、长城宽带、世纪互联、优刻得、科技网、科华数据等八家数据中心企业联合发起《关于共同推进上海市数据中心行业健康发展的倡议书》(以下简称“倡议书”)。倡议书的正式发布将进一步推进上海的数据中心企业健康有序、协调发展,助力上海打造具有世界影响力的国际数字之都。
为进一步推动落实 “算力浦江新型数据中心三年行动计划”,信通院华东分院、上海电信、上海超算中心、超聚变、 芯启源、优刻得、燧原科技加入“算力浦江赋能者计划”并成为第一批赋能者。上海市通信管理局信息通信发展处处长黄先斌为赋能者颁发荣誉证书。
超聚变数字技术有限公司是全球领先的算力基础设施与算力服务提供者。超聚变坚持“以客户为中心,以奋斗者为本,长期坚持艰苦奋斗,合作共赢”的核心价值观。超聚变在全球设立了11个研究中心和7个地区部、5大供应中心,目前服务于全球130个国家和地区客户,包括全球211家财富500强企业,覆盖金融、运营商、互联网、交通能源等行业。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。