最近一段时间,各种计算大会相继召开。前几年我们一直在谈建设算力底座成为经济发展的基础,现在我们更多在谈智算,甚至异构智算,已成为生成式AI发展的基石。
从PC时代到移动互联网时代,再到如今的AI时代,每一轮技术变革都在不断降低使用门槛和开发门槛,智算的发展也将进一步降低生成式AI的应用,使其可以快速推进。
生成式AI的成功并非偶然,一方面是大模型能力的引入,一方面就是智算在多个层面的支撑。从海量数据的快速处理到模型的训练推理,智算为生成式AI的创新提供了无与伦比的动力。
智算不仅仅是计算能力的提升,更是数据处理、算法优化和资源管理的综合体现。智算的普及将推动各行各业的数字化转型,实现更精准的数据分析,优化决策过程,提升效率等。
例如,零售行业正在利用智算支撑的AI,分析客户数据,实时调整库存和促销策略。商家能够预测消费者的需求变化,进而优化供应链,提高整体运营效率,提供更精准的购物体验。
但大模型训练不仅关系到企业的算力成本,也与业务方向和资金周转效率密切相关。企业需要根据自身的需求选择自建、租用、公有云等不同的模式。
很多智算服务商都已经构建了包括大模型训练、推理、训推一体以及边缘推理在内的AI全场景服务器产品组合,为生成式AI算力成员发展提供全面的支撑。
同时生态合作也在不断拓展中,因为不同的行业、不同的场景都有大量的“最后一公里”问题要解决,集合生态的力量可以更好地帮助生成式AI平稳落地。
本期《数字化转型方略》我们将进一步探讨智算产业的发展方向,以及如何更好地支撑生成式AI的发展,因为只有产业的蓬勃,才能看到更多生成式AI在企业落地应用。
未来让算力变得更智能这件事还会不断推进,为生成式AI发展持续铺路。
《数字化转型方略》2024年第10期:http://www.zhiding.cn/dxinsight/2410
好文章,需要你的鼓励
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。