9月19日,2023象帝先智能工业大会在上海举行,来自工业领域的专家学者、生态链企业合作伙伴共百余人齐聚一堂,共话自主GPU构建工业智造新发展格局。本次活动上,象帝先面向工控、嵌入式、边缘计算的天钧二号GPU产品正式发布。
天钧二号GPU
当前,百年变局加速演进,全球工业化格局发生深刻变化,互联网、人工智能、边缘计算、大数据等新一代信息技术正在推动工业制造领域实现数字化转型、网络化协同、智能化变革。在此背景下,GPU作为数字基础设施算力底座的核心引擎,以更加高效能的图形图像渲染与AI加速能力,不断赋能工业数智变革。
信息技术与工业深度融合
在致辞中,象帝先创始人、董事长唐志敏表示,工业数智化发展离不开信息技术体系的完善以及产业链深度融合创新,象帝先与工业领域生态伙伴紧密联动,携手浩辰软件、达美盛软件等在内的工业软件厂商,麒麟软件、统信软件等在内的操作系统厂商,一同构建产业协同网络,联合攻关共性和底层技术,努力推动基于国产GPU的数字孪生、工业视觉检测、工厂IoT数据分析、预防性维护、生产安全保护、智能机器人等应用在工业领域落地。
象帝先创始人、董事长唐志敏唐志敏
GPU芯片是计算机系统中最关键的核心部件之一。2022年象帝先天钧一号GPU的推出,开启了象帝先国产自主GPU的新征程。作为我国信息产业的重要参与者、自主GPU行业应用的积极推动者,象帝先在自主创新之路上步履不停,面向市场多元需求,进一步集合自身技术优势,推出了天钧二号GPU芯片。
天钧二号GPU正式发布
唐志敏介绍,天钧二号定位于高性价比、低功耗、自主可控GPU产品,在产品设计方面,依旧采用盘古(Pangu)微架构,多至1024个计算核心。多屏超高清显示是天钧二号的一大特色,4个独立的显示接口最高支持4路4K 60fps显示,4屏协同模式下支持8K内容输出显示。
基于天钧二号GPU的4路独立显示展示
生态兼容方面,天钧二号GPU支持全部主流图形API以及VA-API在内的标准多媒体API。音视频编解码支持多路并发,兼容办公、多媒体与多媒体编辑常用的音视频标准。除可应用在桌面终端、笔记本终端、一体机等办公场景外,天钧二号GPU凭借高效率的架构设计和低功耗设计,还可以应用于嵌入式系统、边缘计算、工业控制人机交互等场景(基于PLC、工控机、SCADA系统设备),以及金融证券、教育OPS、显示监控系统在内的多屏多显示输出场景。
象帝先GPU对工业应用的支撑
天钧二号GPU继承了象帝先的自主创新优势,在设计环节上自主正向研发、生产环节安全可控,符合国产化替代要求。其他规格方面,天钧二号GPU采用64位GDDR6-16Gbps超高频率显存,最高容量可达8GB显存,带宽最高可达128GB/s。天钧二号GPU的推出,将有效填补国产GPU在移动PC办公、嵌入式一体机、工业控制、工业边缘计算等市场的空白,与现有的天钧一号GPU形成市场侧互补,一同服务广大产业链上下游客户!
天钧二号GPU发布仪式
随后,唐志敏与国家高性能计算专家王普勇研究员、浩辰软件副总经理许盼攀、麒麟软件嵌入式事业部副总经理赵峰、统信软件售前总监王艮、达美盛软件生态合作总监申旭等与会嘉宾一起发布了天钧二号GPU产品。
壮大我国工业产业体系新优势
国家十四五规划明确提出“构建虚实融合、知识驱动、动态优化、安全高效、绿色低碳的智能制造系统”,来自工控兄弟连的工业领域行业专家吴益宇围绕“智能制造与行业信创趋势”,着重介绍了数字化技术在工业应用中的优势与机遇。
工控兄弟连的工业领域行业专家吴益宇演讲
实现数智工业高质量发展,需要加强自主供给,丰富产业生态,提升产业整体效能。活动上,来自麒麟软件、统信软件、浩辰软件、达美盛软件的嘉宾围绕国产GPU工业生态,分别就打造智能制造数字基础设施安全可信底座、操作系统安全底座构建、工业软件国产生态体系建设、数字孪生智能工厂应用分别进行了分享。
麒麟软件和统信软件嘉宾演讲
与会专家学者一致认为,国产GPU应充分把握住第四次工业革命和科技融合发展趋势,打通产业链、创新链、供应链,力求在工业关键核心技术上实现突破,在工业GPU生态构建上形成合力,不断壮大我国工业产业体系新优势。
浩辰软件和达美盛软件嘉宾演讲
工业强,则国强,象帝先将基于此次大会的成果共识,不断深挖天钧二号GPU在工业领域的应用潜力,以功成必定有我的姿态和敢为人先的决心,打开国产GPU事业发展新天地,为中国工业科技高质量发展贡献智慧和力量。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。