今天,在深圳举办的2014年IDF大会上,英特尔首席执行官科再奇先生称,英特尔下一个增长点是数据中心息息相关的物联网和可穿戴设备的发展。
英特尔作为一家专注于计算创新的公司,提供从边缘设备端到云端全面的计算能力以及强大的软件优化能力,与合作伙伴一起共建物联网解决方案,提升科学管理,以解决种种经济、社会、环境发展难题,同时带动创建更具价值的商业模式。
英特尔针对物联网市场将推出英特尔解决方案,面向领域包括有交通、工业和能源。
科再奇表示,物联网的一个核心所在,是所有的设计、设备他们都会有自己的传感器,他们会探测到周遭的情况是怎样,不管是交通情况、气温情况、震动情况,他们需要一个网关,他需要有产品能够把这些传感器搜集的数据传回到数据中心,这样你可以进行后面的数据分析。
作为英特尔数据中心部门的领导人,英特尔公司高级副总裁、数据中心事业部总经理柏安娜女士介绍郑州智能交通实例,大数据和云计算可以更高效的制定路线安排,以降低成本。
英特尔在智能交通领域的重要应用,合理规划中国1000万辆卡车,将严重事故率从28%降低到8%,同时降低卡车运营成本,提升卡车运营效率,很大程度上推动了中国大规模物流的发展。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。