5月17日,在天津召开的第二届世界智能大会进入第二天。作为本届大会的重要参与者,华为参与了当日举行的主论坛和智能交通分论坛、大数据与智慧社会分论坛,分享了华为用数字技术助力企业、行业、城市智慧化转型,让创新在智能时代落地的实践经验。
华为云BU副总裁 陈崇军
华为云BU副总裁陈崇军在主论坛上发表主题为《AI,智以致用》的演讲,分享了华为云在人工智能领域的探索实践。华为云认为人工智能的关键在于应用,能够帮助企业解决实际问题的人工智能才是企业需要的AI,同时,AI在企业的产业化落地才是真正的企业智能。
陈崇军指出,现阶段人工智能的创新主要在应用创新上,而应用创新的核心就是帮助企业处理海量数据、借力行业专家帮助训练、调优,最终解决企业的实际问题,产生实际效果。华为云致力于打造全堆栈、全场景的人工智能解决方案,将AI的价值定位于解决企业实际问题,与企业生产紧密结合,帮助用户实现生产自动化,从而效率提升。陈崇军表示,AI技术通过华为云EI向企业用户开放,目前已在多个领域成功落地应用。
华为战略部副总裁 郑志彬
华为战略部副总裁郑志彬在大数据与智慧社会分论坛上发表《数字经济驱动智慧城市的发展》主题演讲,分享了华为在全球范围内助推城市数字化转型方案落地的经验。郑志彬指出,以数字经济为基础的智慧城市竞赛全球同步上演,而智慧城市的成功发展路径主要有两条:数字经济的产业化和传统产业的数字化。
华为积极参与并推动全球智慧城市的建设。郑志彬介绍,华为已经服务于全球40多个国家,180多个城市的数字化转型,致力于提升城市的全联接能力。华为定位于为城市打造全联接神经系统,实现万物感知、万物互联、万物智能,构建沃土“数字平台”,与伙伴共同推动城市智慧化转型的落地。
华为EBG中国区交通业务部总经理 路海空
华为EBG中国区交通业务部总经理路海空在智能交通分论坛发表《迈向智能交通之路》的演讲,指出在智能化大潮下,传统交通行业需要通过云计算、大数据、物联网等技术,实现基础设施的泛在物联和交通行业的数据融合;通过构建融合ICT基础能力的平台,使能创新业务。路海空介绍了华为交通行业端管云平台一体化的实践,并分享了华为通过创新的解决方案服务洋山港和胶东机场的成功经验。
路海空表示,交通行业的智能化转型,改变的将不仅是一个行业,而且会影响整个社会,华为将做智能交通引擎,做交通行业转型的同路人,携手伙伴和客户,推进交通行业智能化转型,服务交通强国。
华为展台
在本届大会上,华为搭建了千余平的展台——围绕“城市治理”、“产业发展”、“民生服务”、“创新技术”四个主题,展现了华为让创新的数字技术落地,打造智慧城市的智能设备和解决方案。
在华为展区,最抢眼的就是智慧城市神经系统——城市运营中心(IOC),其呈现了城市打破数据孤岛后,升级为智能化管理的景象,包括展示城市基本情况和经济、交通、安全等的重要指标,实现对城市细节信息的全面查询,对日常运行的监测,以及对城市全局的把握和公共资源的综合调度。城市运营中心基于华为云、IoT等创新技术,从前端感知、数据传输、大脑决策,再到肢体行动实现闭环,有机地让整个城市运作起来。
在展区内,也展出了搭载华为车联网平台的雪铁龙DS7 Crossback,在与标致雪铁龙集团的合作中,华为云的大数据、深度学习算法等与IoT平台紧密结合,成功打造了“端管云+业务支撑系统”的车联网支撑平台。
作为全球领先的ICT基础设施和智能终端提供商,华为致力于把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。智能时代,需要创新,更需要创新技术的落地。华为将秉持全联接、全云化、全智能的产品和解决方案,与客户和合作伙伴一起,共同推动数字创新技术的落地和智能社会的建设。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。