10月31日-11月2日,2023云栖大会在浙江杭州举行。超聚变数字技术有限公司(以下简称:超聚变)聚焦“多样性算力”等话题,携前沿算力产品与解决方案亮相。
云栖大会作为云计算产业发展的见证者、参与者和推动者。自2009年发展至今,见证了中国科技从网站、移动互联网走向云计算和人工智能。今年,大会以展示云计算产业生态,全技术栈共创交流。超聚变与参会嘉宾围绕计算新业态,共同探讨智算发展新路径。
算力的进化促进了生产力的跃迁,也成为数字产业持续向前发展的主引擎。在能耗不断走高和“双碳”目标下,超聚变基于“BEST”技术框架,打造高效、智能与安全服务器家族,持续助力数字实践向纵深发展。“BEST”是无边界、高效、智能和安全的缩写。Boundless指的是持续打破算力边界,满足客户多样性场景需求;Efficient指的是聚焦性能、节能和业务上线等关键环节,帮助客户实现最佳ROI。Smart指的是内嵌AI系统,支持人工运维向无人运维演;Trustable指的是软硬件齐头并进,打造端到端安全可靠。
从通用计算到人工智能,超聚变推出丰富的算力产品及解决方案,持续为行业客户提供澎湃算力。
超聚变FusionServer V7 AI服务器在硬件和软件方面实现全面提升。硬件方面,CPU、GPU、IO方面全面升级,实现了更强性能、更快速度以及更高带宽。软件方面实现了BMC、BIOS系统、集成管理软件升级。例如系统启动速度相比上一代提升25%,系统重启业务将更快恢复。
此外,超聚变凭借在服务器节能领域的六大创新技术:轻载高效PSU技术、高效VRD节能技术、MPC+PID调速技术、虚拟传感器技术、智能浮动电压技术、处理器DEMT技术,有效助力数据中心节能减排,大幅降低企业运维成本。在同等配置和负载下,相比业界最高节能8%。据统计,在服务器规模10000台的数据中心,50%负载下,每年可以节约电费 870,000美元。在2023年1月11日的SPEC Power测试中,超聚变服务器获得SPEC Power能效第一。
为进一步深化算力赋能行业应用,超聚变推出FusionPoD for AI整机柜液冷服务器,作为重构数据中心智算中心算力底座的首选。产品从融合架构创新、软件创件和算法创新,在双生态、多样性、绿色低碳方面全方位重构,以满足面向AI大模型等高算力需求场景。产品实现100%全液冷设计,pPUE低于1.06。其适用于AI大模型、渲染、大数据和高性能计算等场景,形成全方位覆盖的一体化解决方案,为互联网、智算中心、金融、政企等行业数字化转型提供强大、安全、可靠的算力保障。超聚变第四代商用液冷服务器现已实现规模部署超5万节点。
超聚变以创新为驱动,依托X实验室的根技术研发实力,携手伙伴成立联合创新实验室,覆盖从底层材料到数据中心级和软件生态各个层面关键技术的研究创新,在节能、安全、可靠等方面,已获得国际权威机构认证,实现有根可持续。
展望未来,超聚变将继续携手合作伙伴,持续推出创新融合、值得信赖的算力基础设施与服务,持续释放智算动能,让算力更好地服务您。
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。