
作者|于玲
2022世界人工智能大会期间,亚信科技首席科学家叶晓舟在亚信科技和清华大学智能产业研究院主办的“智能算网与绿色计算”论坛上指出,新型算力将是数字经济时代新的生产力,是支撑千行百业数字经济发展的坚实基础。
叶晓舟以算力网络的第一个十年为题。他谈到,现代计算和通信系统已经逼近了摩尔定律和香农定理的极限。在计算方面,人们通过多核、众核的方式来突破摩尔定律与物理规律的相互作用;在单通道通信系统已经无线接近香农极限的条件下,人们通过多通道的方式来实现通信系统容量的倍增,甚至通过更高层次的语义通信来突破信息传输的桎梏。
叶晓舟指出,已经八十年的冯诺依曼体系结构推动了计算机的大发展,但在面向数据处理时存在瓶颈,新的存算一体技术在保障数据处理效率的同时也提高了计算效率;五十年的TCP/IP是以主机为中心,推动了互联网的浪潮,在数字时代,我们更期待一个以计算为中心的新网络协议出现。“我们认为在以人工智能、元宇宙等密集计算应用为代表的数字时代,计算机网络与通信将回归本质,由“信息的传递系统”进化为无处不在的“计算服务系统”。”
基于此,叶晓舟提出我们需要“新型算力”,新型算力由算力、运力、存力和原力构成。传统“算力”是指CPU通用算力、GPU智能算力、超算算力等,“运力”是指网络资源和网络质量和网络性能指标等所刻画网络传输能力,“存力”是指网络的存储规模、IO、效能等存储能力,“原力”是指大数据时代的AI、数字孪生、区块链、PaaS等基础支撑能力和原始驱动力。
2022年是算网的元年,整个产业界都在关注如何构建算力网络。叶晓舟表示,算力网络分为三大组成部分:
一、搭建算网的基础设施,要构建云边协同、布局合理、架构先进的算力基础设施,通过SRv6、确定性网络、新型协议等实现网络对算力的感知、承载与调度。
二、搭建算网大脑,算网大脑基于通信人工智能、数字孪生技术,实现对算网的统一感知、智能决策、编排、调度,是算力网络的核心。算网引擎则是算网大脑的决策中枢,要在算网全局图谱下,实现算网目标SLA与算网资源组合的联合最优解。
三、搭建算网运营交易中心,支撑算网业务管理、成本分析、竞价排名、算网通证和算力运营。这里的关键技术是要基于区块链的技术,实现算网交易撮合、全程溯源,吸纳和构建多方可信算网交易平台。
要搭建完善的算力网络,绝不是一蹴而就,需要长期耕耘。叶晓舟也提出了对算力网络演进的思考。他说,算力网络第一个十年的演进会经历三个阶段:
第一个阶段是算网协同阶段,到2022年底,可以通过算力和网络的分别调度及协同,实现两者的协同编排和调度管理。
第二个阶段是到2025年实现算力网络的统一调度和管理,这就需要算网的智能引擎,能够自动化实现算网的资源编排和调度。同时,我们在这个阶段要构建一个可信的交易平台来实现算和网的融合。
第三个阶段是到2030年,我们可预期实现算网的一体,真正实现算即是网、网即是算。在这个阶段,基于数字孪生可以实现算网自治,以及通过建立合理运营交易市场,可以实现整个异构的算力和异构的网络,接入到算网一体的体系中来。
在2022年之前,我们更多的是在进行算力网络的场景和需求的标准化工作,到2025年可以完成架构模块的定义、完成算网模块的接口和定义,到2030年实现算网一体的下一代标准体系的演进。
“算力网络作为6G关键核心技术,到2030年希望算力网络能够顺利实现6G的商用。”叶晓舟说,“在此期间,亚信科技非常愿意配合和支持运营商、合作伙伴、客户的算力网络建设,产学研用一体加速推动算力网络的商用落地。”
好文章,需要你的鼓励
加州大学伯克利分校研究团队开发的Pillar-0是一个突破性的医学影像AI系统,能够同时处理CT和MRI等多种影像类型的366项诊断任务。该系统采用创新的多窗技术和Atlas架构,在四种主要影像检查中准确率达86-90分,显著超越谷歌、微软等竞争对手。研究团队还开源了完整系统,为全球医学AI发展提供强大基础。
马里兰大学研究团队开发MASS系统,通过空间时间感知技术让AI具备物理学家般的视频理解能力。该系统创建了包含8361个问答对的MASS-Bench基准,将视频中的运动轨迹转换为AI可理解的语言描述,并使用强化学习训练模型的物理推理能力。实验显示经过训练的模型性能提升6-8.7%,在物理异常检测任务上甚至超越商业顶级产品,为AI视频内容审核、教育和科研应用开辟新方向。
杜克大学和字节跳动联合开发的Plan-X框架通过"语义规划器"和"视觉合成器"分工协作,解决了AI视频生成中常见的动作错乱、物体消失等问题。该系统先用多模态语言模型理解用户指令并制定详细执行计划,再由专门的视觉系统制作高质量画面。实验显示Plan-X在动作准确性、指令完整性等关键指标上显著优于现有系统,为智能视频生成提供了新的技术路径。
这项由谷歌团队领导的研究发现AI代理缺乏"预算意识",即使给予更多计算资源也无法有效利用。研究团队开发了预算追踪器和BATS框架,让AI代理能够感知和智能管理资源使用。实验显示,具备预算意识的AI代理不仅准确率更高,还能用更少资源达到更好效果,为构建经济高效的AI系统提供了重要突破。