3月28日上午,“昇腾新动力 DeepSeek新纪元”主题沙龙在沈阳人工智能计算中心举行。活动汇聚了辽宁沈阳政产学研用等领域代表,共同探讨智能化时代如何通过普惠算力推动千行百业数智化转型升级,以及以沈阳人工智能计算中心为代表的数智基础设施,如何结合昇腾技术生态推动沈阳乃至东北高质量发展。
沈阳人工智能计算中心:东北算力网络的“领航者”
沈阳人工智能计算中心作为东北首个接入中国算力网的节点,已建成450P人工智能算力,并获国家新一代人工智能公共算力开放创新平台资质。计算中心负责人介绍,其“一中心四平台”模式通过公共算力服务、应用创新孵化、产业聚合发展及科研人才培养,为本地企业提供普惠算力支持。目前,中心已与200余家生态伙伴孵化330余个解决方案,举办200余场产业活动,并联合多个伙伴客户共同打造行业标杆应用。此外,中心认证成为“华为授权培训服务伙伴”,开设AI课程,培养实战型人才,推动“产学研”深度融合。
图、“昇腾新动力 DeepSeek新纪元”主题沙龙在沈阳举行
东北大学深部工程大模型:从经验到智能的跨越
东北大学深部金属矿智能开采与装备全国重点实验室团队基于昇腾算力,研发了国内首个深部工程大模型。该模型通过TB级复合知识库和KAG技术,实现深部岩石力学垂直领域专业问答与推理、微震监测数据智能分析与评估、地质条件智能解析、监测与预警日报编制智能体等功能,效率较传统方法提升45%-90%。例如,某交通隧道项目通过模型分析,现场数据分析耗时降低83%。大模型让科研人员从重复劳动中解放,专注于创新, AI已成为深地工程不可或缺的工具。
图、东北大学分享深部工程AI大模型
AI+医疗赋能体:从辅助诊断到科研创新
东软集团推出的“添翼”医疗赋能体系列,覆盖医学影像分析、临床科研、医事服务、病历质控、患者服务等八大场景,并与昇腾算力结合,陆续推出临床医生助手、患者服务、卫健、医保智能管理等AI医疗一体机,为临床医生解决事务工作繁琐、病历书写效率低、病历质控难度大等问题。东软集团已联合沈阳盛京医院落地首台DeepSeek一体机,未来计划在更多场景及领域落地实践,推动AI+普惠医疗。
图、东软集团分享AI+普惠医疗解决方案
AI+新能源:电网智能化的“新引擎”
辽宁岳能科技联合沈阳人工智能计算中心,为铁岭国网打造供电服务虚拟培训师、AI营销助手、物资速筛精灵、智能调度员等应用,实现营销转化率提升28%。基于昇腾的学习框架,实现电网多部门数据安全共享,分布式能源承载能力测算效率显著提高。未来岳能科技将拓展更多新能源调度场景,助力“双碳”目标实现。
图、辽宁岳能科技分享AI+新能源调度
AI+病理影像分析:病理诊断的“智能革命”
沈阳碳卡智造的AI病理图像分析系统,通过5年研发攻克早期癌症漏诊难题。系统结合眼动仪数据训练大模型,诊断速度达30秒/例,覆盖全国20余家医院。碳卡负责人表示,未来人工智能并不会替代医生,而是通过AI经验传承提升基层诊疗水平。
图、沈阳碳卡智造分享AI+病理影像分析
挑战与机遇:算力生态构建与未来展望
尽管AI应用蓬勃发展,行业仍面临数据孤岛、人才短缺等挑战。未来算力需求将呈爆发式增长,需加强产学研协同,推动数据标注、算法优化等环节创新。昇腾将持续适配DeepSeek等大模型,优化推理性能,助力企业降本增效。
昇腾不仅是算力底座,更是生态纽带,沈阳人工智能计算中心秉承开放合作创新精神,联合产业各方以普惠算力赋能千行百业,书写智能时代的东北篇章。
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。