
在2024年MWC世界移动通信大会上,中兴通讯发布端到端算力基础设施解决方案,提供算/存/网/IDC完整的全套解决方案,实现全栈软硬件一体化部署,加快业务上云速度。

数智化时代催生了海量算力需求,算力已经成为数字经济的重要驱动力。此次中兴通讯发布的解决方案,在硬件层面,全系列服务器提供高品质异构算力,高性能分布式全闪存储实现海量数据的快速读写,提升大模型训练的速度;无损网络实现0丢包、微秒级时延;全液冷模块化预制IDC,PUE低至1.13。在软件层面,打造AI Booster智算平台,通过自动并行训练最大化GPU利用率,通过可视化开发和自适应参数优化,大幅降低开发门槛。
此外,中兴通讯为不同的应用场景提供了差异化的解决方案。在通算领域,针对互联网云和电信云等通用场景,提供系列化通用服务器,全系支持液冷,为客户提供高性价比和高扩展性的通用算力。针对海量的大视频存储的场景,推出了大存储服务器。对于金融、科学计算等关键应用场景,推出业界领先的4路服务器。此外,针对高密度计算场景,中兴通讯推出IceCube全液冷整机柜方案,推进数据中心的绿色高效发展。在智算领域,中兴通讯提供系列化训练服务器、推理服务器和AiCube训推一体机,满足中心万卡规模训练池、区域通算/智算融合推理池、边缘训推一体等全场景需求。
中兴通讯端到端算力基础设施解决方案,提供系列化ICT硬件,实现全栈一体化部署,满足客户全场景需求。中兴通讯与全球运营商和行业伙伴展开深入的合作,共同推动算力基础设施的转型升级,为全行业提供高品质高效的澎湃算力,促进技术的持续创新和商用落地,加速全行业数智化转型。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。