至顶网网络频道 03月29日 北京报道:当前以信息技术为基础的新一轮科技和产业革命正在萌发,数字经济发展成为全球广泛关注的重大课题。目前,数字经济正日益成为世界经济包容性增长和可持续发展的新引擎,大力发展数字经济,已成为全球共识。
中国电子信息产业发展研究院院长卢山
在以主题为“人工智能开启数字经济新时代”的2018中国IT市场年会上,中国电子信息产业发展研究院院长卢山对当前人工智能和数字经济的发展做了如下阐述。
KTI是未来数字经济的主要阵地
卢山讲到:“首先我们要说工业革命带来了什么?在过去300年中,工业在持续的变革,这个大的变革不仅仅改变了我们的生产方式,更重要的是改变了生活方式。那么在这样的工业变革的基础上,又叠加上了信息革命。两个革命叠加在一起,我们看到我们的加工对象从材料变成了无形的数据,我们也看到加工工具从自动化、机械化变成了机器人,变成了人工智能。所以这两个革命当中,有一个交叉点就是人工智能。”
卢山进一步解释称,“工业革命讲数字化、网络化和智能化的发展趋势,这轮信息革命的驱动力也是由人工智能为代表的智能化技术。因此以智能化技术驱动工业革命、驱动信息革命,就成为这两种革命的交叉点。”
同时,卢山认为这两种革命的交叉点最后改变的是产业的形态,并分享美国自然基金委刚刚发布的2018年科学工业报告当中给出的一个新名词KTI(知识与技术密集产业),报告当中认为人工智能驱动工业革命,驱动信息革命,两种革命叠加在一起,产生的产业叫做知识技术产业,而KTI未来也将是数字经济的一个主要的组成部分。
智能制造是数字经济的主攻方向
工业和信息化部副部长辛国斌
在会议当天,工业和信息化部副部长辛国斌对数字经济也给出了自己的表述,并结合制造强国建设,围绕大力发展数字经济,就数字经济发展的主要方向给出了重要参考:
首先,要以智能制造为主攻方向,加快培育新业态、新模式。大力发展智能制造是推进信息化和工业化深度融合的重要途径,也为互联网、大数据、人工智能等新技术、新产业提供了巨大发展机遇。2017年,我部共确定了202个智能制造综合标准化和新模式应用下,97个智能制造试点示范项目,完成了25个智能制造标准立项。在示范项目的带领下,一大批企业积极推进智能化改造升级,服务型制造,共享经济等新模式日益普及,形成了许多新的增长点。
其次,要以制造业创新中心为核心节点,加快完善制造业创新体系,创新是制造业转型升级的根本支撑,也是数字经济发展的主要引领,中国制造2025提出实施国家制造业创新中心建设工程,目前我们确定了未来三到五年国家制造业创新中心重点建设的22个领域,已经成立了两个创新中心。制造业创新体系的不断健全,重点领域关键技术供给能力将得到有效提升。
第三,要以工业互联网为重要抓手,持续推动制造业与互联网深度融合,大力发展工业互联网可以充分释放网络互联与数据智能对制造业转型升级的巨大推动作用,大速提升全要素生产力,加快构建工业互联网网络平台安全三大体系,利用云计算大数据人工智能等关键技术,促进行业数据汇集共享和挖掘分析,逐步引导形成产业链上下游融通发展的跨行业、跨领域的工业互联网体系,为产业升级提供重要支撑。
第四,要以制造业双创平台为重要载体,积极营造大中小微企业融通发展的新生态。制造业双创平台是中国制造2025加互联网加双创融合发展的焊接点。我们推动制造业双创平台建设,截至2017年年终,我国制造业骨干企业双创平台普及率达到了60%,大中小微企业融通发展、集群发展的制造业新生态正在形成,有利助推了数字经济融合发展。
最后,辛国斌指出,当前全球新一轮的科技和产业革命正日益兴起,也在颠覆和重塑传统产业分工模式,组织方式乃至发展形态,并推动世界经济政治格局的深刻调整。这轮变革最典型的标志就是经济的数字化转型发展,而最关键的动力就来自于人工智能等前沿技术的创新与突破。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。