至顶网网络与安全频道 08月31日 北京报道:计算已经成为现代科技创新的DNA,在工业4.0定制化时代,先进计算力就是生产力。在刚刚结束的以“新西部、新重构、新机遇”为主题的2020中国(西部)电子信息博览会上,中科曙光信息产业成都有限公司总工程师肖文静在25日上午的开幕峰会中为我们带来了“先进计算融合创新-构筑以算力为核心的数字基础设施”的精彩演讲。
演讲从新基建的概念、先进计算的重要性到算力经济时代的到来,全面阐述了算力在驱动数字化、智能化社会过程中的重要性。尤其是在疫情环境下,中科曙光始终没有放松通过建设和运营以算力为核心的信息化基础设施的种种努力。
中科曙光信息产业成都有限公司总工程师 肖文静
肖文静指出,第一,2020年对整个社会来说都是很有挑战的一年,对公司而言要拥有过硬的技术产品及优质的服务,真金不怕火炼,大浪淘沙生存下来的企业将活得更好。第二,在疫情期间,中科曙光利用云计算、大数据、人工智能为防疫抗疫、疫情防治、新药研发提供了大力支持。第三,中科曙光看到在疫情期间凸显出的几个企业和行业变革,一是求变求快,快速解决问题;二是催生出企业对客户需求,对行业需求的积极响应;三是促进了云计算、大数据、人工智能等技术的快速发展;曙光通过部署新一代云计算中心,加速云计算中心在全国的部署,让企业更容易去获取新技术带来的保障。第四,未来智能制造及互联网行业将是拉动经济增长的新引擎,曙光近年来一直在布局人工智能、大数据等技术,同时推动智能制造向一个新的智能阶段迈进。
多年来,中科曙光一直致力于通过建设和运营以算力为核心的信息化基础设施。通过先进计算技术的研发、设备制造、先进计算服务、生态建设、人才培育和应用创新来发展先进计算产业。在面向国家提出的新基建时,中科曙光也将以新技术新产品为核心构建新型的建设基础设施。
肖文静表示,“未来数字经济的发展是新基建中最核心的一个方面。中科曙光一直专注新基建的建设,从信息基础设施到融合基础设施,再到创新基础设施,中科曙光多年来一直致力于这方面的发展,特别是在大数据、人工智能方面,2015年中科曙光就提出了数据中国战略,核心思想就是要让全社会共享数据价值,通过在全国统一布局云计算、超级计算等新型基础设施,打通上下游数据链条,让数据发挥出最大的价值以服务社会。”
在四川,中科曙光投资建设了全国第一个城市云中心,通过政府买服务的模式在2009年成功落地成都,实际上在新型基础设施建设方面已经开启了全国先河。同样,整个成都市政府包括四川省政府都非常支持电子信息产业的发展,并出台了很多相关政策来支撑电子信息产业的发展,目前已经形成了上下游生态的完整建设体系。
肖文静指出,“生态完整、人才充沛,越来越多新技术的涌入,包括四川和成都地区对整个电子信息产业建设得越来越完善,这些因素都促成了中科曙光布局成都的信心。从1998年中科曙光在成都建立办事处算起,到2009年落地第一家实体公司,再到今天已经在成都落地了4家公司,中科曙光在四川地区已经耕耘了将近二十个年头。”
同时,肖文静也表示,“中科曙光会依托国家在西部的整体发展战略,包括新基建在西部地区的广阔发展前景,未来将以成都良好的合作为范本,将这种合作模式推广到更多的西部地区,让西部地区享受到更多的数字经济产业所带来的红利。”
对于如何让更多的行业和用户享受到信息产业带来的红利,肖文静对此表示,“一是用户自身的业务转型和升级需要技术去驱动;二是政府及社会要带动产业经济的发展,从而促进计算产业链的发展。三是企业自身的需要,企业生存的好,才有动力去发展产业。未来怎么把如云计算,人工智能等新技术更好应用到行业中去,由于新技术应用在前期部署代价和成本相对较高,所以需要资本市场以及政府、企业多方联合才能把这些新技术,包括将更多的算力以廉价的方式提供给用户,这就需要整个行业进行联动,上下游产业链打通。总而言之,新技术的应用推广在目前阶段需要政府、企业和第三方资本共同推动才能让这些新技术及算力应用到更多行业中去。”
在帮助新技术落地,产业链打通方面,中科曙光也在积极进行部署与推进,比如在促进先进计算产业方面,中科院成立了先进计算创新联盟,中科曙光成为联盟的牵头企业。同时,中科曙光成立了国家先进技术创新产业中心,牵头与中科院及其他上下游产业进行先进计算的推进工作,其中包括技术、人才、服务落地、产业推广、上下游企业培育等层面的工作。
另据肖文静介绍,目前曙光在兰州、福建、太原、合肥等地建立运营了先进计算中心,通过这些中心的落地,将逐渐把先进技术用于社会科研的发展。
最后,肖文静表示,“未来,中科曙光将联合更多的上下游产业链共同打破行业壁垒,不断从产业链方向进行努力,最终达成全产业链的计算产业,帮助政府及社会提升计算实力。”
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。