2022年9月21日,“迈向智能世界”峰会今日在华为全联接大会(HUAWEI CONNECT 2022)期间成功举办。华为常务董事、ICT基础设施业务管理委员会主任汪涛发表“拥抱5.5G时代,迈向智能世界”主题发言,提出“5.5G”时代是迈向智能世界必由之路,发布《迈向智能世界》系列白皮书,并倡议产业采取8方面举措,围绕智能世界需求共同努力进一步定义和完善5.5G时代产业愿景和标准,加速5.5G时代到来,携手迈向智能世界。
华为常务董事、ICT基础设施业务管理委员会主任汪涛作主题发言
迈向未来的智能世界,个人、家庭和行业对数字基础设施提出了更高要求。对于个人,随着XR、全息通信等沉浸式业务的逐步成熟,联接体验从千兆1Gbps走向万兆10Gbps,移动DoU将从当前15GB上升到100GB,对时延和泛在联接也提出更高要求;对于家庭,全息教学、全息会议、24K、3D、VR游戏等业务逐步发展,驱动家庭进入全光万兆时代;对于行业,数字化转型进入快车道,智能制造、电力调度等工业级应用,对联接的数量、质量以及感知能力提出新的多元化需求,也引发对算力和存力需求的爆发式增长。
汪涛指出,针对迈向智能世界的需求,5.5G时代成为必由之路,即实现泛在10Gbps体验,算力的智能和高品质调度,L4的网络高度自治,10倍有效算力提升,10倍存储性能提升,云原生2.0的企业云服务体验以及10倍的基础设施能效提升。
汪涛表示:“5.5G时代是迈向智能世界的必由之路,我们希望客户、生态伙伴、产业组织、学术机构等达成共识,加速5.5G时代的到来,共同推进数字基础设施持续演进和增强,携手迈向更美好的智能世界。”
为此,华为倡议产业8大举措:发放更多频谱以加速产业的发展,与产业伙伴共同探索更多有价值的新商用场景;与产业伙伴共同推动F5.5G产业和标准成熟;在Net5.5G演进方向上尽快达成共识;共同定义L4/L5网络自治目标并推动标准共建互认;与产业共建开放共赢的多样性计算产业及重定义架构;与伙伴共同定义满足多样性数据处理的存储架构;打造智能世界云底座并共建云生态;统一能效指标体系并持续创新使能行业节能减排。
在8大举措倡议牵引下,华为在峰会上发布《迈向智能世界》系列白皮书,详细阐述各产业业务需求和技术发展双轮驱动下面临的机遇与挑战,识别关键变化趋势,明确2025年前后的建议行动方向。
会上,华为首席战略架构师党文栓对《迈向智能世界》系列白皮书的核心要点进行了详解。他指出,全面迈向5.5G时代,实现智能世界愿景,ICT技术主要从两个方面持续演进。一方面是ICT for Intelligence, 即ICT产业各领域核心能力持续创新、演进,支持智能世界逐步实现;另一方面是Intelligence for ICT,即ICT产业各领域不断提升智能化水平,通过架构性创新,解决包括运维复杂度不断提升、多样性业务体验保障、绿色节能等挑战,使各领域的核心能力更充分发挥,加速智能世界实现。
欲了解更多详情,请参阅:https://www.huawei.com/cn/giv/striding-towards-the-intelligent-world
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。