10月12日,昇腾AI创新大赛 2023江苏赛区区域决赛圆满落幕。本届江苏赛区区域赛以“昇腾万里·智赋江苏 ”为主题,由南京江北新区产业技术研创园指导,华为技术有限公司江苏鲲鹏·昇腾生态创新中心主办,江苏省人工智能学会、江苏北联国芯技术有限公司、南京新格视讯信息科技有限公司、南京先进计算产业发展有限公司协办。
昇腾AI创新大赛是面向AI开发者打造的顶级赛事,旨在鼓励全产业开发者基于昇腾AI技术和产品,探索模型算法,加速AI与行业融合,促进开发者能力提升和创新项目落地发展。
功以才成,业以才广
昇腾AI助力江苏打造产业生态
江苏区域赛邀请了南京江北新区产业技术研创园党工委委员、南京集成电路培训基地有限公司董事长、江苏北联国芯负责人周荣,江苏产业发展与生态部部长戎维莉,南京先进计算产业发展有限公司副总经理孙祥,南京新格视讯信息科技有限公司联合创始人、副总裁苏繁共同为决赛启幕。
周荣在现场致辞中提到,近年来南京一直大力发展人工智能产业,已经形成了规模化产业集群,成为八大产业链之一,昇腾AI创新大赛对于江苏千亿级计算产业生态建设与能力建设的起到了积极作用,也为提升江北新区新质生产力做出不小的贡献。昇腾AI创新活力的注入,让古都金陵在数字新经济时代,焕发出勃勃生机。
江苏鲲鹏·昇腾生态创新中心首席运营官陈俊屹指出:“人才培养是人工智能产业发展的关键,也是昇腾AI生态构建的重点。本次昇腾AI创新大赛正是本着汇聚人才,识别人才和发展人才的初衷而举办。今年是我们昇腾大赛举办的第二年,我们期望通过大赛鼓励全产业开发者基于昇腾计算技术,共同打造软/硬件解决方案、探索模型算法,推动人工智能产业应用规模化发展,引领新一轮人工智能产业未来。”
41支晋级队伍展开巅峰对决
全国总决赛入围名单新鲜出炉
在2022年第一届的基础上,今年江苏区域受到了行业内更大的关注,共收到115支队伍报名参加。经赛区组委会层层筛选,41支优秀团队汇聚到了区域决赛现场。 通过分赛场路演(作品演示+答辩)的形式完整呈现了各自的作品。
经过激烈角逐,来自江苏省信创测试中心代表、江苏省人工智能学会代表、江北新区研创园代表等多位产学研专家代表到场出席大赛决赛评委团队进行了审慎评分,最终每个赛道的前两名将代表江苏赛区出征10月24-26日的全国总决赛,角逐全国总冠军。
新颖的设计,创新的应用,这场智力的巅峰对决为现场评委绘制出了人工智能无限可能的未来。同时结合赛区内优秀作品众多,团队表现异彩纷呈的实况,经评委团群策群议下,现场增设了最具商业价值奖、最具技术创新奖。
“超级大脑”二期上线
助推智能南京加速发展
人才服务于产业。人才的聚集地,也是产业的繁盛地。昇腾AI创新大赛的开展,吸引到更多的人才关注人工智能产业发展、投身人工智能领域,同时也进一步提升了产业链对人工智能人才的培养和重视水平。目前,南京已经集聚人工智能企业近300家,核心产业规模超过60亿元,带动相关产业规模近800亿元,坐稳国内人工智能第一梯队城市。庞大的产业生态链对算力有着极高的需求。
在数字时代迅猛发展的当下,算力作为支撑数字经济蓬勃发展的重要“底座”,赋能作用日渐凸显。而南京作为一座活力焕发的创新名城,一直在加快构建先进算力体系支撑体系,激发数字经济发展活力,促进“强富美高”新江苏建设。南京人工智能计算中心自2022年5月正式开展对外提供服务以来,通过提供可靠的算力,给南京人工智能产业的发展提供了稳定的数字基座和澎湃的动能,同时还推进了公共算力服务、应用创新孵化、产业聚合发展、科研创新人才培养四大生态平台的建设,成为南京人工智能产业发展的“超级大脑”。
目前,这个“超级大脑”正在进行规模宏大的二期扩容,即在一期40P算力的基础上,再增加100P算力,即将在今年10月份正式启用,进一步释放强大算力。可以预见,有了”超级大脑“坐镇保障,智能南京未来将加速度发展。
附昇腾AI创新大赛2023江苏区域赛获奖名单
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。