至顶网CIO与CTO频道 07月09日 北京消息:IDC预测2020年,新基建整体投资规模达到1.64亿元人民币。新基建已经成为新一轮促进经济增长的热潮,不仅仅在新技术的使用上,以A(人工智能AI)、B(大数据Big data)、C(云计算 Cloud)为代表的技术也逐渐展开融合应用。
依托于新基建的背景以及企业对于AI快速落地的需求,创新奇智发布了新一代智能化计算基础设施设备——创新奇智ABC一体机,其搭载自研Orion自动化机器学习平台,将人工智能(AI)、大数据(Big data)、云计算(Cloud)融合在同一硬件设备中。
创新奇智ABC一体机同时内嵌多套AI算子,以“软硬一体、边云协同、产品+服务”的方式为企业提供从底层算力设施到顶层行业应用的全流程AI赋能,助力企业建立新一代智能化体系架构,为新基建注入ABC融合动力。
现在融合多种能力的平台型产品才能更好地帮助企业完成从里到外、从下到上的全面智能化体系建设与改造。创新奇智ABC一体机可以很好的解决在数字化转型中,依赖于多个技术提供商,技术标准、管理运维、实施上的多种问题。
创新奇智CTO张发恩表示,在新基建政策推动下,企业智能化转型将进入从IT基础设施,到运营管理优化,再到行业场景应用的全方位系统化转型阶段。同时创新奇智ABC一体机融合人工智能、大数据、云计算等核心能力,并结合创新奇智丰富的AI落地经验,搭载多领域多场景的智能算子,扩展支持多样化的智能服务。
创新奇智ABC一体机开启智能化转型
Forrester报告指出,算法、算力、数据将会协同作用,共同促进机器学习、云计算和大数据的深度融合。正在进行智能化转型 的企业和未来两年内有智能化转型需求的企业总占比约为90%,这些企业对基于云服务的AI模型、大数据分析、云管理提出了诉求。
创新奇智ABC一体机在异构硬件的基础上,搭载能够满足智能化 转型需求的AI开发工具、大数据服务工具、云管理工具等,构建软硬一体的智能化基础设施设备,可以帮助企业快速智能化转型。
同时为智能化转型的大型企业提供软硬融合、开箱即用、国产可控、绿色安全的智能化算力基础设施,助力企业快速建立智能化转型能力。
新奇智产品总监童表示,相比市场上的同类产品,创新奇智ABC一体机更注重智能化应用的全栈开发能力,覆盖的行业应用场景更丰富,且架构全面支持国产化,符合“信创”政策课题。具备高性能、智能化、可信赖三大优势:
高性能:
· 支持CPU、GPU、FPGA、AI加速卡等多种异构计算架构和大规模高性能计算集群,全面承载智能化应用高性能训练与推理对大算力的需求。例如,在执行预测性维护应用时,使用创新奇智ABC一体机进行特征工程和模型训练,相比使用普通x86服务器的运行速度提升2-2.5倍。此外,由于创新奇智ABC一体机对国产化的友好支持,执行相同任务时,采用国产加速卡的每秒查询率(QPS)几乎2倍于采用国际加速卡的QPS,大大提升推理效率。
· 强大的混云管理平台,快速部署,统一管理,弹性调度,实现计算资源的高效配置;
· 大数据管理平台支持PB级海量数据的实时采集、存储、计算。
智能化:
· 内置创新奇智拥有自主知识产权的Orion自动化机器学习平台,支持AutoML的AI开发全流程,端到端部署AI应用从3-4个月缩短至1-2周。
· 随着分布式IT架构的流行,数据中心运维压力越来越大,因此智能运维需求持续走高。创新奇智ABC一体机基于AI Ops的智能运维,让数据中心运转更高效、更安全、更易维护;
· 内嵌多套智能算子,比如智能双核、智能合同比对、能效管理、预测性维护等,满足金融、制造、零售等领域的多场景智能化需求。
可信赖:
· 主体硬件国产化设计与制造,核心软件自主研发,拥有自主知识产权;
· 全栈支持国产化技术生态和友好兼容国际主流技术生态。
创新奇智ABC一体机既能满足信息基础设施建设的各方面需求,也能无缝支持从传统基础设施到融合基础设施的智能化升级,为企业带来开箱即用、业务流程闭环覆盖的AI能力构建体验,开启新基建时代企业全面智能化转型的新模式。
简化AI,加速普及进行时
ORION自动化机器学习平台作为创新奇智ABC一体机的AI内核,其是一款面向企业级应用的自动化机器学习平台,其具备了多种特性:
面向应用的易用AutoML:用户可以无代码进行数据预处理操作,AutoML无代码选择算法,用户可以选Jupyter Lab实现算法试验,一键模型部署,可视化管理线上模型更新。
模型全生命周期管理:多用户协作及权限管理,支持结构化及非结构化数据接入,算法试验到模型部署的全流程可视化,模型标准API生成及调用,模型线上指标监控及管理。
异构计算资源调度:基于Kubernetes的大规模集群管理,用户按需弹性调用计算资源,多算法框架镜像版本可选,支持CPU、GPU计算框架,可视化监控计算资源利用。
分布式大数据存储&并行计算:基于Hadoop架构的数据存储,实时数据库对接,并行离线算法任务计算能力,计算资源虚拟化,线上任务并行计算。
同时创新奇智也在不断将AI融入行业,在制造、金融、零售等领域进行业务布局,尤其是制造领域聚在焦高科技/3C、汽车装备、磁性材料、仓储物流、工程建筑、钢铁冶金、纺织服装七大细分领域。
高科技/3C:装配前部件检 查、印刷读取 和验证、装配 后验证、外观 瑕疵检测、印刷质量检测、尺寸测量。
汽车装备:对零部件、装配、涂胶等进行质检,视觉引导工业机器人,基于视觉的装配辅助系统,无人运输。
磁性材料:利用AI视觉检测表面缺陷和尺寸测量。
仓储物流:厂房内智能物流系统,如无人叉车等;厂房间智能物流系统,如AGV拖挂车。
工程建筑:铁路隧道施工质量智能检测,智能检测铁道桥桩桥梁无损探伤,铁路沿线智能日常巡检等 建筑设备材料监控管理,车辆进出管理,施工人员进场登记,安全帽佩戴监测,危险行为识别。
钢铁冶金:智慧铁水运输:根据铁钢生产节奏协作,智能编制最优铁水调度和机车调度计划;自动调度,无人驾驶智。能补料监测系统:利用高动态摄像头和AI视觉算法判断炉口情况,自动指令。
纺织服装:尺寸检测、对称性检测、表面瑕疵检测,印花各种缺陷的检测,布匹缺陷智能检测,成衣智能包装。
创新奇智解决方案覆盖生产前、生产中、生产后全流程,在减少人工海量重复工作的同时,替代部分需要专家判断的复杂工作,达到降本增效的目标。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。