思科(NASDAQ: CSCO)正式宣布与NVIDIA扩大合作伙伴关系,为企业提供人工智能技术解决方案。尽管企业普遍认识到AI对增长至关重要,但因运营AI就绪数据中心时面临独特的技术复杂性和安全性需求,企业在采用人工智能技术方面仍处于起步阶段。双方此次扩大合作旨在为企业提供灵活性和选择,帮助其满足AI工作负载对数据中心、云端和用户之间高性能、低延迟、高能效连接的需求。
Verizon董事长兼首席执行官Hans Vestberg表示:“一个强大且可扩展的人工智能生态系统是推动AI变革力量的关键。思科与NVIDIA的深化合作,正如Verizon AI Connect战略和解决方案一样,将加速并赋能网络边缘的资源密集型AI工作负载。”
基于思科和NVIDIA芯片的NVIDIA Spectrum-X以太网网络平台将为许多企业的AI工作负载奠定基础。通过实现两家公司网络架构的互操作性,双方将优先满足客户对简化的全栈解决方案的需求。此次扩大合作的目标是让客户利用现有的管理工具和流程,通过覆盖前端和后端的统一架构,优化其AI基础设施投资。
思科董事长兼首席执行官罗卓克(Chuck Robbins)表示:“企业面临着快速有效部署人工智能的巨大压力,许多领导者难以在平衡风险的同时证明投资价值。思科与NVIDIA携手合作,旨在为客户消除障碍,确保他们能够优化基础设施投资,释放AI潜力。”
NVIDIA创始人兼首席执行官黄仁勋表示:“AI正以光速向前发展,必将改变各行各业。NVIDIA Spectrum-X是针对AI优化和增强的以太网技术。借助思科的企业平台和全球影响力,我们将帮助全球企业在AI转型竞赛中构建最先进的NVIDIA基础设施。”
通过简化思科和NVIDIA技术的集成与标准化,客户将受益于NVIDIA Spectrum-X平台当前和未来的技术进步,如自适应路由、遥测、拥塞控制和低延迟,以及思科更广泛的网络、安全和数字韧性产品组合,包括Splunk数据平台。随着企业开发AI能力并基于自身数据训练模型,制定全面的安全战略变得至关重要。
World Wide Technology联合创始人兼首席执行官Jim Kavanaugh表示:“World Wide Technology与思科和NVIDIA的长期合作已经带来了领先的AI解决方案,推动了创新和业务转型。通过充分利用思科在数据中心方面的深厚专业知识和NVIDIA先进的AI技术,我们将为客户提供无与伦比的价值,帮助他们自信应对AI采用过程中的复杂性。”
思科和NVIDIA:加速企业级AI工作负载部署
双方致力于通过创新突破加速企业的AI应用进程。此次深化合作的目标在于,通过简化部署和运营、提升工作负载性能与可视化能力,为AI工作负载提供当前最高性能的以太网解决方案,并将NVIDIA Spectrum-X架构扩展至支持思科Silicon One芯片,使思科成为Spectrum-X以太网解决方案中唯一支持的芯片合作伙伴。此外,本次合作还将推动企业数据中心以太网AI项目从原型阶段迈向全面部署,突破以往仅依赖公有云或SaaS服务的限制。
如今,思科与NVIDIA正计划为客户开发联合解决方案。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。