科技行者 3月28日 北京消息:今日,在华为开发者大会2020(Cloud)第二天,华为宣布全场景AI计算框架MindSpore在码云正式开源,企业级AI应用开发者套件ModelArts Pro在华为云上线,同时展示了各行业合作伙伴基于华为人工智能计算平台Atlas的云边端全场景开发实践。至此,华为在2018年全联接大会上发布的全栈全场景AI解决方案,已面向开发者全面落地。
全场景AI计算框架MindSpore正式开源
华为MindSpore首席科学家、IEEE Fellow陈雷教授宣布华为全场景AI计算框架MindSpore在码云正式开源,并将致力于构筑面向全球的开源社区,持续推动AI软硬件应用开源生态繁荣发展。

华为全场景AI计算框架MindSpore正式开源
MindSpore着重提升易用性并降低AI开发者的开发门槛,陈雷教授表示,“MindSpore原生适应每个场景包括端、边缘和云,并能够在按需协同的基础上,通过实现AI算法即代码,使开发态变得更加友好,显著减少模型开发时间,降低模型开发门槛。通过MindSpore自身的技术创新及MindSpore与华为昇腾AI处理器的协同优化,实现了运行态的高效,大大提高了计算性能;MindSpore也支持GPU、CPU等其它处理器”。
发布业界首款企业级AI应用开发专业套件ModelArts Pro
针对行业AI应用开发者,华为云通用AI服务总经理袁晶发布了业界首款企业级AI应用开发专业套件ModelArts Pro。华为云ModelArts Pro定位为企业AI生产力工具,提供了一种全新的行业AI落地方式,将算法专家的积累和行业专家的知识沉淀在相应的套件和行业工作流(workflow)中,真正实现赋能行业AI应用开发者,全面提升行业AI开发效率和落地效果。ModelArts Pro以”授人以渔”的方式助力企业构建AI能力,赋能不同行业的应用开发者,让AI变得触手可及。
全面展示合作伙伴基于华为Atlas人工智能计算平台的全场景开发实践
华为Atlas数据中心业务总经理张迪煊面向全球AI开发者,分享了各行业合作伙伴基于华为Atlas人工智能计算平台的端边云全场景开发实践,并深度解析了打造高密云侧AI推理方案的性能优化过程、云边协同支持高效边缘推理以及极致低功耗端侧推理的开发经验。 华为已与数十家伙伴合作,推动基于华为昇腾AI处理器的Atlas系列模块、板卡、小站、服务器在智慧交通、智慧电力、智慧金融、智慧城市、智能制造等数十个行业落地。同时为了进一步丰富华为AI生态、支撑开发者自定义算子,张迪煊在大会现场启动了高效算子开发工具TBE的正式公测,并计划激励100家以上贡献算子的高校和合作伙伴、充分释放昇腾AI处理器的算力潜能。南开大学李涛教授现场演示了基于Atlas 200 DK的视网膜筛查病变检测的AI应用。依瞳科技李劲博士分享了基于华为Atlas的开发实践,并推出了业内首个支持华为昇腾910处理器的人工智能开源开放异构平台。
在2018年华为全联接大会上,华为首次发布了全栈全场景AI解决方案,包括芯片、芯片使能、训练和推理框架和应用使能全堆栈方案,可在公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等全场景部署。本次开发者大会上,华为系统展示了该解决方案的最新进展,尤其是面向开发者的具体落地成果,全面支持全球开发者更好地开发AI应用,让AI真正解决各行各业的实际问题,为企业和社会带来价值,也让全球AI产业和生态更加繁荣。
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。