今日,华为在北京宣布其基于“无边界计算”战略的智能计算业务布局,致力于提供全栈AI计算平台,打造无边界智能计算世界,从而满足企业在计算、数字化转型以及智能化的应用场景。同时华为还发布了面向企业数字化转型的关键业务服务器KunLun V5和全新一代的SSD产品ES3000 V5。
华为服务器产品线总裁邱隆
随着人工智能、量子信息技术、虚拟现实等全新技术的兴起,现有的计算架构将无法提供这些应用需要的计算量,整个行业都需要在计算架构上不断地突破和创新。华为凭借在计算领域16年的积累和创新,不断在加速部件和系统架构上创新,针对面向企业不同阶段的业务形态提出智能服务器(面向传统企业)、混合云(面向企业数字化转型)、异构计算和边缘计算(面向企业智能)三大技术路线,加速企业从数字化向智能迈进。
2017年7月,华为突破性的提出“无边界计算”的战略,经过近1年的战略投入,将智能的能力贯穿到整个战略中:
第一是异构计算资源的编排和调度,华为已经把这个能力构筑在华为公有云上,企业用户可以秒级获取异构计算资源。同时把华为公司自己多年积累的智能应用也放到公有云上,让智能无处不在,支持全场景的企业AI应用;
第二是华为提供端到端数据中心解决方案,智能服务器和数据中心联动可以让企业客户更便利的管理数据中心资源,降低25%的维护成本,节能5%,让数据中心管理更加智能。
华为智能计算,持续以客户为中心,通过技术创新让客户的IT系统从封闭走向开放,从通用走向智能,变复杂为精简,变单一为协同,突破计算边界,为企业的IT系统构建一颗智能的心。
华为将在智能计算领域继续创新,携手合作伙伴共建AI生态,让智能无处不在,为企业创造更多的商业价值。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。