ZD至顶网CIO与应用频道 05月17日 北京消息: 5月17日,京东和Mellanox在北京签署全面合作框架协议,宣布将共同建立 “JD-Mellanox联合创新实验室” ,同时启动双方在技术创新方面的战略合作。根据协议,双方将在技术创新、用户体验和企业级产品电商平台三个方面展开合作,共同布局人工智能领域,开展底层技术合作,并针对高速互连产品展开联合研发。
“Mellanox是一家极具创新力的高科技公司,在虚拟网络、云计算等方面都有很深的造诣。京东则拥有丰富的业务场景和优秀的技术团队,希望借助Mellanox的技术和产品,提升生产效率,给业务带来更强的保障。”京东集团CTO张晨在发布会上表示。
“Mellanox一直致力于高速网络互连产品的开发和推广,在机器学习、深度学习等领域的应用非常广泛,很多产品具有全球领先的地位。”Mellanox公司商务拓展高级副总裁Amir Prescher表示,通过与京东的合作,将加快Mellanox打开中国市场的步伐,让高速互连的技术有更多可以落地的应用场,开发出更好的产品来服务用户。
高速互连 领跑人工智能
在多年的高速发展中,京东积累了大量的、真实有效的数据,并不断充分利用数据挖掘、人工智能和机器学习等技术,打造“智慧京东、智慧业务、智慧创新”和“品质电商”。
高速互连是支撑人工智能的必要条件。目前,京东已经有了先进的算法,也布局了支撑人工智能的硬件配套设施。“服务器升级会为计算效率带来质的飞跃,让京东的人工智能从‘土路’跑上‘高速公路’。”京东集团技术副总裁翁志介绍,Mellanox的技术结合京东的领先算法和众多应用场景,一定能在感知互联领域一起做出有含金量、领先业界的产品,最终打造极致用户体验。
Mellanox公司市场副总裁Gilad Shainer表示: “Mellanox已经在深度学习领域积累了诸如GPUDirect,硬件卸载等成熟的技术和解决方案。和京东成立联合实验室,一方面能让我们更贴近实际应用场景,优化产品和技术;另一方面,实验室也有助于Mellanox创新解决方案,推动互联感知领域的发展。”
JD-Mellanox联合创新实验室将以图像处理和认知技术为切入点,在金融、电商、物流、智能等领域展开深度合作,以期在图像识别(拍照购、智能冰箱、人脸识别)、大数据搜索、大数据推荐、智能物流(无人机、无人仓、无人驾驶)等方面取得进一步进展,为业界带来示范性的应用实例。
强强联手 布局图像识别
除了为京东在大数据处理、云计算等方面提供高性能可靠的运算保障外,JD-Mellanox联合创新实验室的成果也将率先在京东进行落地、推广和使用,将创新成果发挥最大效应。
在现场,京东展示了“拍照购(JD Camera+)”应用,这是图像识别、图像相似搜索的算法在移动端的典型应用。JD Camera+从方便用户出发,无需精准的语言描述,只需一张照片,即可以帮助用户搜索到想要购买的产品。
虽然在消费者看来只是一张照片,但在技术实现上却面临很多挑战:人体姿态归一化、特征描述、以及光照和角度的调整都会对图像识别造成很大影响。“目前京东在很少的研发投入下,已经达到或接近了业内的最优效果。未来,通过JD-Mellanox联合创新实验室,JD Camera+将从平面搜索走向实拍搜索,并结合图像搭配算法,帮助用户从商品图像搭配角度进推荐,如服装搭配、美妆搭配、家具搭配等。”翁志表示。
正如张晨所说,京东与Mellanox的合作可谓是强强联手,京东也将不忘打造领先技术体系的初衷,继续耕耘,让京东用户的生活变得更加简单和快乐!
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
中国人民大学研究团队开发了Tool-Light框架,通过信息熵理论解决AI工具使用中的过度调用、调用不足和过度思考问题。该框架采用熵引导采样和两阶段自演化训练,让AI学会合理使用外部工具。在10个推理任务测试中,Tool-Light显著提升了AI的效率和准确性,为AI工具集成推理提供了新的解决方案。