
海云捷迅首席技术官李华(左二)与英特尔市场总监 Crowell Alexis(左三)合影
近日,英特尔主办的全球最具盛名的行业技术峰会2015年英特尔信息技术峰会(Intel Developer Forum,IDF)在深圳大中华喜来登酒店举行。本次IDF以"芯动,行动,共创未来!"为主题,在进入中国的第30年之际,英特尔与大家一同分享英特尔与中国共成长的战略规划。
开幕式上,英特尔公司CEO科再奇(Brian Krzanich)宣布了英特尔在华的进一步投资和合作计划,为未来智能互联世界的各行各业带来价值提升。
科再奇连同英特尔公司全球副总裁兼中国区总裁杨旭、英特尔公司高级副总裁兼软件与服务事业部总经理费道明(Doug Fisher)先后发表主题演讲,揭开了一年一度的英特尔信息技术峰会序幕。英特尔公司高级副总裁兼客户端计算事业部总经理施浩德(Kirk Skaugen)、英特尔公司高级副总裁兼数据中心事业部总经理柏安娜(Diane Bryant)、英特尔公司高级副总裁兼物联网解决方案事业部总经理道格拉斯•戴维斯(Doug Davis)也在大会上依次发表了演讲。
科再奇重点阐述了英特尔和开发者社区为中国带来领尖技术,从数据中心、PC、移动设备、可穿戴设备到物联网,为各种产品和各行各业创造差异化优势的必要性。他同时强调了创客社区开发新一代计算和互联解决方案的重要性。
科再奇表示:“50年来,我们沿着摩尔定律的方向不断创新,30年来,我们与中国产业合作共赢,见证了中国和世界信息通信产业的巨大变化。英特尔不仅将致力于在传统计算领域继续推出领先的产品和技术,同时也将面向全新领域以及大学生、创客和开发人员等创业者加大投资,和中国一道探寻和推进面向未来的下一代创新。”

英特尔公司高级副总裁兼软件与服务事业部总经理费道明(Doug Fisher)
费道明则在主题演讲中,专门提到了英特尔的优质合作伙伴——海云捷迅。
在云计算大潮风起云涌的今天,作为硬件厂商的英特尔想要在激烈的市场竞争中取得先机,不失时机地引入云计算领域的优秀合作伙伴,是势在必行的选择。
海云捷迅创业4年,凭借自身的领先技术和超越同行的服务水准与服务理念,以OpenStack为基础,为企业提供优质高效、安全稳定、智慧灵活的5A级云服务,赢得了业界广泛认可,以及广大合作伙伴的青睐;并在今年3月,荣登《互联网周刊》评选的“中国新互联网公司300强”榜单,跻身IT圈新锐企业行列。榜单的出炉,表明了业界对海云捷迅近年来在市场上打拼所取得成绩的充分肯定。
海云捷迅作为以OpenStack为核心的企业级云服务提供商,主营业务覆盖私有云解决方案、私有云托管、IDC数据中心云平台联合运营、OpenStack咨询与培训等四个方面;客户覆盖三星中国研究院、中国移动研究院、中国移动、中国电信研究院、中国联通、中国科学院网络中心、武汉大学、中国教育电视台、江苏华生恒业科技等企业客户,鹏博士、世纪互联、方正宽带、广州新一代等IDC客户,并与国内多个服务器厂商和系统集成商达成了OEM合作协议,携手为企业服务。
如今,海云捷迅能够与合作伙伴做到上万台虚拟机的大规模运行,这在国内实属罕见;海云捷迅始终如一在技术上的不断投入、持续创新,也吸引了英特尔关注的目光。
本届英特尔IDF15为我们带来了众多的新产品、新平台和新的合作计划,这些都与2015年英特尔在华经营的理念相关——与中国合作共赢;而在云计算领域里,选择与海云捷迅开展全面、深入、持久的战略合作,则是英特尔将2015在华经营理念付诸实施的有力举措。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。