近日,由宁畅参与起草的《基于标准PCIe接口的人工智能加速卡液冷设计》白皮书正式发布。该技术白皮书由开放计算标准工作委员会(OCTC)归口,旨在为冷板式人工智能加速卡的设计提供重要指导。
大模型时代下,AI算力需求呈现指数级增长,带来人工智能加速卡和服务器功耗的不断提升。尽管冷板式液冷已成为当前解决高功耗问题的主流方案,但由于冷板结构设计复杂,一旦工艺和质量不过关,容易产生散热不均、漏液等问题,直接影响液冷的效率、成本及可靠性。
宁畅在冷板液冷领域拥有领先的技术与丰厚的经验,通过对冷板材料、结构设计、工艺制造等一系列的把控,做到液冷散热的高精度、高效率、高节能。利用冷板散热技术,宁畅能够进一步提升人工智能加速卡在机器学习和深度学习方面的速度和性能,从而更好满足人工智能应用的需求,通过AI和液冷的组合实现1+1>2的效果。
本次发布的技术白皮书对冷板式加速卡提供了明确的设计指导,以降低服务器和冷板式人工智能加速卡之间的适配难度和适配的成本,推动冷板式液冷技术的普及。基于丰富积累,宁畅此前已参与并落地多项冷板及液液冷相关标准,在本次技术白皮书编制中,宁畅为冷板式液冷人工智能加速卡的结构设计、生产使用等贡献了多项技术与经验建议,有效增强了内容的可落地性,与各单位一起用标准化建设进一步推动人工智能与液冷产业的共同发展。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。