FX168财经网_全球视野外汇黄金加密货币NFT资讯网

超级算力备受关注，人工智能AIETF（515070）强势涨超3.42%

认为，ChatGPT加速AI进程，对于AI算力的要求会更高。国信证券认为，政策方面，人工智能的发展是硬科技的结合点，政策支持力度大。技术方面，人工智能等技术落地行业，加速数字经济发展。新一轮科技周期持续演进，我国数字经济产业蓬勃发展，正推动人工智能、量子计算等前沿技术突破和应用。数字经济发展提速，将催化低估低配的TMT行情展开。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-09

国家信息中心联合浪潮信息发布《智能计算中心创新发展指南》

化为主体。智算中心通过算力基建化，使得AI算力像水、电一样成为城市的公共基础资源，供用户按需使用。智算中心建设要兼顾软硬一体协同，构建多元融合型架构，将通用CPU与多元异构芯片（如GPU、FPGA、ASIC等）集成，融合多种算力，既满足现有客户的现实需求，又适度超前，满足面向未来客户的多元化算力需求。以算法基建化为引领。智算中心的服务模式从提供算力为主向提供"算法+算力"转变。智算中心通过提供预置行业算法、构建预训练大模型、推进算法模型持续升级，提供专业化数据和算法服务。算力基建化和算法基建化相辅相成，共同推动算力的普惠化。以服务智件化为依托。随着人工智能算法开发和模型训练从专业化、高门槛向泛在化、易用性转变，智算中心的发展将由传统的硬件、软件向"智件"升级。" 智件"的构建，让用户无需关注底层算力芯片和技术细节，以低代码甚至无代码开发的模式，为用户提供功能丰富、使用便捷的智能算力、算法服务和个性化开发服务，实现"带着数据来、拿着成果走"。以设施绿色化为支撑。智算中心通过采用液冷等先进节能降碳技术，全面降低智算中心能耗，实现绿色发展。如果说"四化"中的"算力基建化"、"算法基建化"和"服务智件化"，是为了让智算中心普适普惠、"好用、用好"，"设施绿色化"则是践行国家双碳战略的绿色发展要求。"四化"相互支撑、相互协同，共同构建起智算中心高效运行体系。《指南》还对智算中心的建设类型和运营模式提出了建议。智算中心建设需要结合建设基础、当地或区域产业特色，分类引导施策，改建并行，发展与数字经济相适应的智算中心；还需要选择合理的建设和运营模式，实现长效运营、促进有序布局，保证智算中心所释放的经济社会效益最大化。

美通社2023-01-12

元脑生态伙伴研讨会在沪举行首个元脑区域产业联盟成立

是一个开放、共赢的生态体系，聚合最强AI算力平台、最优质的算法模型开发能力和最高效的集成、部署和服务能力，以上海华胄为代表的元脑伙伴在元脑生态里扮演角色非常重要，是元脑落地最后一公里重要推动者，期待在合作伙伴的共同努力下，元脑能够持续进化，支撑和加速行业智能的构建。

美通社2022-12-30

银行智算中心部署浪潮AIStation，模型训练效率提升7倍

实践，将大规模GPU并行计算优化能力与AI算力池化智能化调度结合起来，成功将典型AI模型的训练周期由1周缩短为1个工作日，支持银行AI业务场景快速上线，已在大型国有银行落地。本文将阐述浪潮如何在具体业务场景下帮助银行智算中心快速构建AI生产创新平台，实现高性能、高可靠、高扩展。全生命周期管理的AIStation平台，助力银行业务创新完备的任务全生命周期管理能更好地支持银行智算中心，帮助开发者快速使用算力，协助管理者管好资源，实现业务快速创新。 AIStation平台提供了作业全生命周期管理，能够让开发者跟踪作业状态、为训练优化提供必要的信息、分析平台资源使用率状态、帮助制定资源使用率提升方案。同时提供完备、高效的异构计算资源管理，从数据加速、网络优化、业务系统无缝对接等维度保障银行业务，实现开发者便捷无感知的开发模式和管理者高效可控的管理模式。便捷高效异构计算管理，充分发掘算力价值目前异构人工智能芯片发展迅速，越来越多银行智算中心正在从传统架构迁移至异构算力架构，但面临异构芯片种类多、管理复杂、开发门槛高等难题。针对异构算力资源接入与管理，AIStation平台建立了加速卡管理模型，可以实现零业务代码修改和异构算力资源接入、配额管理、算力使用的配置化流程，以及异构加速卡的类型识别、算力识别。同时提供报表统计、监控告警功能，使平台管理员能够获取异构算力的健康状态及使用情况，可以通过配置化的方式实现异构算力资源的接入和管理。目前，AIStation已经适配了超20款当前市场主流不同架构的加速卡，具有良好的适配性和通用性，能够充分满足不同业务场景对银行智算中心的算力要求。镜像分发加速，降低分布式任务的环境准备时间通常情况下，计算集群在为训练任务分配了资源后，节点将准备环境（如下载作业镜像），此时加速卡算力资源处于完全空置状态。尤其是分布式作业涉及多个计算节点并发下载镜像，对镜像仓库产生较大压力，导致镜像下载较慢甚至失败，严重浪费了算力资源。 AIStation提供了镜像P2P分发加速功能，能在无需新增硬件的情况下实现镜像分发加速。镜像仓库仅提供一次下载带宽，镜像加速系统即可在计算节点缓存镜像数据，并为其他计算节点的镜像下载提供数据服务，同时提供节点数线性相关的镜像网络总带宽，有效降低了分布式任务的环境准备时间。实测证明可将耗时降低至原来的1/2。此外，AIStation具有节点数据缓存功能，可以仅进行一次性存储系统读取，依靠本地高速磁盘消除网络传输时延，极大提高了存储IOPS，加速训练效率，能够将典型AI模型的训练周期由1周下降为1个工作日。并且AIStation在缓存机制基础上提供了缓存生命周期管理，在磁盘使用率不高时尽可能缓存数据，同时实现数据亲和性调度。大规模分布式作业的另一大挑战是异常故障处理。由于分布式任务使用了更多的资源，因而更容易受到硬件、网络等故障的影响，进而引发训练中断。一般来说，分布式任务异常处理需要人工介入操作，时效性无法保障，并且还需要一定的人工经验判断任务失败的具体原因和解决方法，对算法人员的要求较高。AIStation平台提供了完备的故障检测识别、任务容错的机制，在故障发生时能够识别当前故障类型，对于通过重启即可恢复的故障（如加速卡故障、网络故障等），平台自动触发训练任务的重提。AIStation通过自动化流程，提高了故障处理效率，节省了集群机时资源，提高了资源利用率。领先网络方案，实现GPU资源灵活调度银行智算中心网络构建方案目前有很多，其中RoCE网络基于以太网协议实现RDMA，可以复用已有数据中心的网络设备，从而降低集群搭建成本。基于RoCE的网络方案，需要充分考虑GPU资源的协调调度，实现物理主机GPU的共享使用，来满足训练任务任意GPU数的需求，同时也需将RDMA网卡透传到容器内，以满足跨节点GPU的RDMA通信需求，但是目前还没有一个有效的解决方案。浪潮提出基于RoCE网卡虚拟化和网络互通性管理相结合的解决方案，实现了在容器云平台上对RoCE网络的快速接入适配，同时降低网络适配难度。方案已部署到某大型国有银行的实际生产环境中，帮助客户解决了GPU资源碎片的问题，实现RoCE网络下GPU资源灵活调度分配，实际效果超出了客户预期。 RoCE网卡虚拟化：对于AI训练网络，存在多种实现网络设备共享的方案，例如MacVLAN、Calico、Flannel、SR-IOV等。考虑到RoCEv2实现RDMA通信的机制，我们选择了SR-IOV技术，通过SR-IOV将宿主机的物理RoCE卡（PF）虚拟化为多个RoCE网卡(VF)，实现了一对多的场景要求。网络拥塞控制：基于AI平台运行训练任务时，任意节点GPU都可以与其他节点GPU进行通讯，这必然会出现网络流量 “多打一”的场景。为了保证RDMA网络高带宽、低延时，必须解决拥塞问题实现无损传输。AIStation提供交换机测、宿主机侧、容器侧的流控管理配置，从而避免网络拥塞导致训练性能下降。网络互通性管理：目前大部分AI训练任务都是基于NCCL提供训练加速，但基于NCCL架构的方案，只会关注本机的GPU与本地RDMA网卡信息，并不会考虑是否与远端的RDMA网卡能正常通信。RoCEv2是基于UDP协议实现RDMA通信，此时需要发送端和接收端的RoCE网卡都能够正常通信，否则不同节点GPU无法基于RoCEv2实现RDMA通信。AIStation基于自研的网络互通性管理功能，保证了集群中任意GPU间互通性。性能测试表明，在浪潮AIStation平台容器内基于不同网卡进行通讯时，在不同的数据包大小下，性能和时延都没有损失。针对银行业务特点，AIStation测试了大规模图像类别训练任务，采用ResNet50并使用ILSVRC 2012数据集测试加速比，结果显示大规模分布式训练的加速比达94%以上，性能优异。同时物理主机RDMA网卡能够透传到容器并能够基于RoCEv2完成RDMA通信，在有多个RoCE网卡时，能够根据GPU与高性能网卡的拓扑关系、NCCL亲和性等选择最优的RoCE网卡进行跨节点通信。强大的平台对接能力，实现用户业务无缝对接银行业务具有多样化和精细化的特点，在进行AI业务时一般需要多个系统支撑与协同，包括数据采集系统、数据处理系统、AI开发训练系统、模型管理系统、推理服务系统、运营管理系统等。虽然内部通用平台能够把各个系统整合起来，但AI开发训练系统中的AI资源管理、AI单机和分布式训练任务全生命周期管理、异构算力管理等方面能力是欠缺的，很难达到AI业务需求。针对银行内部复杂的系统、业务流程，AIStation平台提供了通用的AI业务调用接口能力，以达到简化流程和整合能力的目的。同时兼容异构资源任务，让银行无需关心底层资源部署和连接情况，把精力放在业务处理上。AIStation平台提供了涵盖任务、数据全生命周期管理、集群资源监控和报表的全能力域API接口，帮助管理者掌握集群运行情况。同时平台API管理实现了全程加密传输以保证数据安全。通过丰富、完备且安全的API接口，AIStation能够快速与银行已有系统集成，让银行快速拥有专家级AI算力基础设施管理能力。总结浪潮AIStation在某大型国有银行的实践中取得了显著的示范效果。通过以上关键技术实现了GPU间通信性能大幅提升，减少节点间网络通信开销，提升整体处理性能，有效降低总能耗。同时可以减少机柜占用，提高集群算力密度，实现基础资源降本增效。助力构建高性能、高可靠、可扩展的软硬件系统架构，实现AI训练场景下算力资源的统一管理与智能化调度。浪潮AIStation为银行前沿的大规模人工智能模型开发训练和场景应用打下了坚实的技术基础。未来，浪潮信息将继续通过全栈智算能力赋能金融AI业务创新，推进金融数字化转型和数字经济高质量发展。

美通社2022-12-30

贝恩资本与居静：美资实控在华数据中心企业的一道思考题

或核心都市圈等低时延节点，满足云计算、AI算力等下游核心客户的业务扩张。万国数据的成长和秦淮数据的崛起莫不如是，这也是资本市场对IDC企业估值的主流评判标准：头部客户长单锁定长期现金流、总容量规模增长锁定客户需求扩张、一线城市周边拓展锁定低OPEX（较低电价或补贴电价）。　　无论是零售型数据中心还是批发型数据中心，2020年之前，在互联网高速发展、云计算需求猛增、AI算力崛起的产能迅速增长区间中，躺着也能等到客户的IDC企业，在本已经是重资产投资的行业中，其核心关注点当然是尽快锁定优质客户，通过融资或IPO上市做大市值，通过优质客户带来的稳定现金流形成良性的财务循环，这成为IDC看得见的收益。　　这一趋势在2020年3月数据中心被纳入新基建范畴，鼓励数据中心加快发展的背景下达到了高峰。当年4月，阿里巴巴宣布未来3年再投2000亿元，用于云操作系统、服务器、晶片、网络等重大核心技术研发攻坚和面向未来的数据中心建设，而“自研自用”已被提上“新一代数据中心”建设的议程。当年5月，腾讯宣布，腾讯未来五年将投入5000亿，用于新基建的进一步布局。　　在2020年9月，中国宣布力争在2030年前实现“碳达峰”、2060年前实现“碳中和”的重大战略后，数据中心从年初的“大干快上”转折向挖掘数字基础设施的“双碳价值”，IDC界发生了一定的价值转向，形成了中国IDC战略思考的分水岭。　　数据中心一直是社会经济层面的高耗能行业。有数据表明，2018年，全国的数据中心用掉了1608.89亿千瓦时电量，比上海市2018年全社会用电量（1567亿千瓦时）还多。以单个数据中心来看，电力成本通常占数据中心OPEX（运营成本）的五至六成。　　在传统的化石能源体系中，数据中心等下游产业通常通过将数据中心选址在电价较低的中、西部地区以寻求电价成本的降低，提升数据中心的竞争力。但下游客户要求的低时延为核心诉求时，中西部数据中心尽管有低电价作为支撑，但通常存放的是对于时延没有太高需求的冷数据，一定程度限制了中西部数据中心的发展，也令IDC厂商对上游的电力领域没有太多的“非分之想”。　　在这样的产业竞争格局中，强调数据中心使用绿电，并在谋求在绿色能源领域有所作为的思想似乎确实不受欢迎，而在重资产的IDC之外还要承担重资产的绿色能源电力拓展，对于资本更是极不友好。　　这也难怪在居静去职后，媒体有此评论声音：“居静在零部件制造和发电领域的野心的确有问题，因为它们都是资本密集型业务，无法迅速带来利润。秦淮数据一直处于亏损状态，虽然在2021年获得了净利润，但随着投资的增长，去年的现金持有量也在减少。简而言之，秦淮数据目前没有资本在新业务上进行大举投资，股东们有理由担心它盲目涉猎新领域，尤其是需要大笔支出的领域。” 　　但双碳战略走过2021年，迈向2022年时，数据中心领域有了新的顶层设计——东数西算，在划定的8个国家算力枢纽节点和10个国家数据中心集群中，张家口、中卫、和林格尔、庆阳、贵安等数据中心集群，无不是绿色能源的富集地区。　　2021年和2022年，在绿色电力的交易中，阿里、腾讯、万国数据等企业成为了全国绿色电力的主要买家。　　最新的趋势是，阿里、万国、腾讯都在数据中心直接布局了分布式光伏电站。未来是否会有数据中心企业或者互联网大厂直接在上游布局集中式可再生能源发电基地，成为在“东数西算”产业新格局中的观察方向。　　而布局能源究竟是不是中国IDC该坚持的长期主义，在中国IDC产业由东部向中部西部变迁的过程中，IDC企业能够吃到怎样的能源红利，虽然现在摸不着，但或许在未来的三五年，能够看得正确的答案。（来源：程度巨潮WAVE）

金融界2022-12-30

浪潮信息刘军：AI新时代，智算力就是创新力

场上有十几种的CPU芯片，有将近一百种AI算力的芯片。为什么会有这样的需求？今天算力的应用场景是多元化的，不同的场景需要不同的计算精度类型和计算特征。比如说，高性能计算里面可能会需要FP64双精度计算，AI训练需要使用数字范围更大、精度低的16位浮点计算，AI推理可以使用INT8或者INT4格式。而为适应这些计算的特点，需要我们引入多元的芯片来进行支撑。如何从软件和硬件上来应对这样的挑战？浪潮信息认为，重点是从系统的硬件平台和软件角度来进行相应的创新支撑。首先是在硬件方面的系统支持，当今AI计算用的非常多的还是采用英伟达GPU的AI服务器。但是对于其他品牌的AIPU来说，要用什么样的一个AI服务器系统来支撑呢？浪潮信息打造了全球首款开放加速的AI服务器，在一个系统里能够支持8颗国内最高性能的AI芯片进行高速互联，从而能够完成大规模的模型训练所需要的算力。芯片之间使用了开放加速的接口标准，芯片间可以进行高速通信。今天，这个系统已经可以支持多个品牌的国内最高端的GPU和AIPU，并且已经在众多的客户场景里面实现了落地。同时，它还支持先进的液冷技术，使得我们构建的AI算力集群的PUE会低于1.1。作为智算中心的核心，如何来调度多元的算力？这是一个平台软件方面的挑战，浪潮为此推出了业界首款智算中心算力调度软件AIStation，实现了对异构AI芯片进行标准化与流程化管理，不仅能够充分发挥多元异构芯片的性能潜力，并且能够提升智算中心的整体效能。从基本的接入适配到业务应用在异构算力的使用优化，AIStation提供了完备的工具与解决方案，与传统开源方案相比，芯片接入稳定性方面提升30%，减少接入工作量90%以上。标准化、流程化也使得AIStation在芯片管理种类上达到了业界前列，已经支持了30多款国内外最顶尖的AI芯片，包括X86和ARM等CPU芯片、FPGA芯片，也包括今天应用非常广泛的GPU和AIPU，例如像英伟达的GPU系列，以及各类国产AIPU等等。我们做了众多的实践落地，位于宿州的淮海智算中心采用全球领先的“E级AI元脑”智算架构，通过开放多元的系统架构，在底层基础设施层支持通用处理器、通用加速处理器、专用芯片、可编程芯片等，通过AIStation实现了异构算力的调度，提供FP64、FP32、FP16、INT8等多种精度的计算类型支持，并支持国内外主流的深度学习的框架、数据库、数据集以降低用户的学习成本。大模型成为AIGC算法引擎第二，大模型。大模型正在成为AIGC的算法引擎，今天大家看到的DALL・E或者Stable Diffusion的背后都是大模型在驱动。大模型使得AI从五年前的”能听会看”，走到今天“能思考、会创作”，下一步甚至于到“会推理、能决策”的进步。但是我们知道大模型带给我们的是在算力方面巨大的挑战。如何能够把大模型的能力交付到众多的中小企业中，帮助他们实现智能化的转型，是我们今天要去解决的重要课题，所以在这方面我们认为Model as a Service（MaaS）是比较好的一种方式。今天，在大模型的能力加持下，AIGC，包括文本生成、文生图以及虚拟数字人等应用都会快速的进入到商业化阶段。 “源1.0”是浪潮去年推出的中文语言巨量模型，拥有2457亿参数，在众多的评测里面表现出了非常优异的成绩。团队围绕深度学习框架、训练集群IO、通信开展了深入优化，构建了面向大模型的软硬件协同体系结构，训练平台的算力效率达到45%，这遥遥领先于GPT-3、MT-NLG这样的大模型。同时，通过在AI编译器与深度学习推理框架上的优化，“源”已经实现了对多元AI芯片的支持。下面分享几个基于“源1.0”构建的实际应用案例：第一个案例是AI剧本杀。剧本杀是大家比较熟悉的游戏，一位开发者基于“源1.0”构建了一个AI角色来和人类玩剧本杀，玩到最后其他人类玩家都很难察觉到自己是在和AI一起玩剧本杀，因为AI在这里面所表现出来的场景理解能力、目的性对话能力是我们在传统的AI算法上面很难见到的。目前项目已经在GitHub上开源，大家感兴趣可以尝试。第二个案例，上海一个开发者群体基于“源1.0”构建了数字社区助理，类似于给我们的居委会打造了一个教练员，通过让AI模拟来居委会咨询的居民，提升社区工作者应对居民突发状况服务的能力，这种将大模型反向应用于教培领域的案例给AI发展带来了更多想象空间。最近，大家都在讨论ChatGPT，简单来说它就是基于大模型的面向长文本、多轮对话的AIGC应用。其实我们基于“源1.0”也开发了公文写作助手。现在大家希望有个助手来协助写总结报告、学习体会，所以我们希望打造一个写作助手来帮助大家进行长本文创作。其中，我们突破了可控文本内容生成技术，解决了长文本内容偏移问题，生成文本的语义一致性高达96%。这样的优化使得我们的中文写作助手能够带来非常惊艳的效果，目前我们的产品处于内测阶段，欢迎大家来申请使用。我们把“源”大模型应用在浪潮自己的业务上，赋能自身业务智能化转型。浪潮信息是中国最大、全球第二的服务器厂商。我们拥有一个覆盖非常广泛的客户服务系统，传统的智能客服更多是基于规则和提炼的知识来构建的问答系统，这样的问答系统大部分情况下是不能帮客户满意地解决问题的。今天基于“源1.0”构建的浪潮信息智能客服可以进行长文本的内容生成，能够持续地多轮对话，同时非常重要的是它不仅仅是基于知识规则而构建的问答系统，它可以自己去阅读和服务器相关的产品技术文档，我们说它可谓是服务器的“服务大脑”，在它的支撑下，浪潮信息的客户服务效率得到了大幅的提升，这个项目荣获了《哈佛商业评论》鼎革奖，即年度新技术突破奖。元宇宙需要强大的算力基础设施第三，元宇宙。大家可能会惊奇元宇宙需要算力吗？我们告诉大家，元宇宙非常需要算力。元宇宙的构建有四个大的作业环节，协同创建、高精仿真、实时渲染、智能交互，每一个环节上面都需要大量算力做支撑。比如说，在高精仿真的阶段，要实现元宇宙场景中逼真的、符合物理定律的仿真，不仅需要AI计算，同时还需要HPC算力。在图形渲染环节，不仅传统的光线追踪、路径追踪等图像渲染算法需要大量算力，当今基于AI的DLSS等算法也需算力支撑。到了最后的智能交互环节，今天所看到的数字人、多轮的语言交互等等，它背后都是基于算力才得以实现，这就是为什么说元宇宙需要强大的算力支持。今年浪潮信息推出的MetaEngine元宇宙服务器就是为了应对这样的算力挑战，有兴趣的可以看下我们如何基于MetaEngine来创建虚拟数字人和数字孪生的全过程。为了推动了元宇宙的快速落地，上个月青田人民政府和浪潮信息和我们合作伙伴谷梵科技一起，签约建设国内首个元宇宙算力中心，用于支撑在青田、浙江乃至于长三角在元宇宙的数字空间创建、数字产业发展，支撑数字经济、数实融合的发展。我的演讲到此结束。谢谢大家！

美通社2022-12-20

鸿博股份：对关注函进行回复

等维度进行AI产业价值链资源整合，围绕AI算力、AI产品及解决方案销售打造具有竞争力的产品和服务，为公司创造新的利润增长点，助力公司业务向人工智能产业拓展。英博数科是公司北京AI创新赋能中心的唯一运营主体，周韡韡作为英博数科的总经理，全面统筹领导英博数科的日常运营、经营决策，同时也是该项目能够顺利落地的关键人物。工作期间，周韡韡兢兢业业、勤勉尽责，未来将带领英博数科实现其经营目标，助力公司实现战略规划，增加新的盈利点，提升企业核心竞争力。根据《上市公司股权激励管理办法》第十四条规定，“非经股东大会特别决议批准，任何一名激励对象通过全部在有效期内的股权激励计划获授的本公司股票，累计不得超过公司股本总额的1%。”本激励计划拟授予激励对象的限制性股票为85.00万股，占公司目前股本总额的0.17%，比例未超过1%，因此，激励对象获授的权益数量是合规的。此外，公司综合考量了周韡韡的工作内容及重要性、薪资成本等要素，为了提升公司薪酬激励市场的竞争力，保留核心人才，激发核心人才活力，为公司发展贡献力量，不断创造向上的价值，本次拟授予该名激励对象的权益数量与其对公司的贡献程度相匹配。此外，还有针对公司2021年营业收入5.74亿元，结合公司近年业务发展和财务数据，说明业绩考核目标的确定依据，较2021年基本持平的原因及合理性，并结合问题1中关于激励对象相关任职情况说明考核指标是否科学、合理，能否达到激励效果，是否符合《上市公司股权激励管理办法》第十一条的规定。（来源:界面AI）声明：本条内容由界面AI自动生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2022-11-21

HPCS 高性能分布式智算网络让AI算力变得更简单

此外，深度学习模型能够灵活调整以适应新数据，从而应用在难以对环境建模且不断演变的一些高性能计算领域。

金色财经2022-11-10

登临科技加入元脑生态，以智算创新加速AI规模化应用

。双方将发挥各自在前沿通用GPU芯片及AI算力平台方面的领先优势，围绕众多行业智能化场景需求，打造更高效、更智能、更具竞争力的AI解决方案，共同构建开放融合的AI产业生态，以生态融合释放聚变效应，共创AI产业高质量发展。登临科技专注于高性能通用计算平台的芯片研发与技术创新，致力于打造云边端一体、软硬件协同、训练推理融合的前沿通用GPU芯片产品和平台化基础系统软件。目前，登临科技首款基于GPU+架构的创新通用GPU系列产品-Goldwasser™（髙凛™）已规模化运用在云至边缘计算的各个应用场景。 Goldwasser™（髙凛™）作为登临科技GPU+（基于GPGPU的软件定义片内异构体系结构）系列首款产品，兼具GPU的通用性及ASIC的高效率。通过片内异构，登临GPU+解决了传统的系统级异构计算调度和数据交换的开销大及数据的连贯相干性的难题。在整个系统的计算密度极高的基础上，通过软件定义，使各种应用场景（即针对不同神经网络）都能达到硬件性能和能效最大化。同时，Goldwasser™（髙凛™）硬件支持业界主流软件生态，可显著降低客户产品迁移成本。登临科技Goldwasser™（髙凛™）GPU产品已初步实现与浪潮AI服务器和AIStation人工智能开发平台的适配对接，可为云端计算以及数据中心提供强劲的算力底座，有效助力用户敏捷开发、快速部署、迁移算法模型，显著降低用户整体拥有总成本 (TCO)，并可高效加速智慧安防、智慧城市、自然语言处理、搜索推荐等多样化的人工智能应用场景落地。登临科技创始人李建文表示："人工智能并不是一个独立的行业，它是给各行各业赋能、提高生产效率的一种先进技术，面对不同的行业有不同的业务场景，需要不同任务分工、不同专业合作伙伴共同努力，才能打造出相应行业解决方案。登临科技希望携手浪潮信息及众多元脑生态伙伴，凝聚各方智慧，不断突破向上，共同构建自主创新的人工智能产业新生态，一起开拓人工智能蓝海市场，助力各行业高质量发展。" 浪潮信息副总裁、AI&HPC产品线总经理刘军表示："登临科技的加入能够为元脑生态提供更多的算力、更好的性能、更快的迁移和更省的成本，满足更多行业AI用户所需。我们将秉承开放共赢的态度与登临科技等伙伴一起推动AI芯片在各行业中的应用和落地，充分发挥元脑生态在AI能力融合方面的优势，与生态伙伴共成长，以人工智能技术带动数字经济腾飞，助力千行百业智能化升级。" 元脑生态由浪潮信息发起，聚合具备AI开发核心能力的左手伙伴和具备行业AI整体方案交付能力的右手伙伴，正在助力AI技术与市场的高效融合，实现智慧转型的全生命周期的交付与服务，促进智算创新技术、场景应用与交付服务的融合落地，加速行业智能构建，最终帮助用户完成业务智能转型升级。目前，元脑生态已经拥有4000+合作伙伴，并在智慧金融、智慧城市、智慧交通、智慧能源、智慧科研等领域实现成功牵手和落地应用。

美通社2022-10-20

寒武纪新一代智能加速卡与浪潮AIStation完成适配认证

供3倍的解码能力和1.5倍的编码能力，AI算力密度与能效比业界领先；MLU370-X4可提供高达256TOPS(INT8)推理算力和24TFLOPS(FP32)训练算力，配合全新基础系统软件平台，可充分满足推训一体AI任务需求；MLU370-X8基于双芯思元370打造，整合了两倍于标准思元370加速卡的内存、编解码资源，同时搭载MLU-Link多芯互联技术，每张加速卡可获得200GB/s的通讯吞吐性能，是PCIe 4.0带宽的3.1倍，可高效执行多芯多卡训练任务。本次适配认证测试完成了上述寒武纪加速卡在AIStation平台内多个AI业务部署与服务的验证，包括图像识别、目标检测、自然语言处理等。测试结果显示，运行在浪潮AI服务器上的寒武纪MLU370-S4、MLU370-X4、MLU370-X8加速卡，与浪潮AIStation平台无缝对接，在AI计算性能、兼容性和稳定性等方面均达到优异。通过浪潮AIStation平台出色的算力调度与管理，行业AI用户能够灵活使用和扩展寒武纪加速卡的算力，满足典型AI应用需求。寒武纪加速卡与浪潮AIStation完成兼容性认证，有利于充分发挥寒武纪产品高性能、高密度、高效能比的优势，进一步丰富寒武纪面向实际AI应用场景的解决方案，帮助AI用户更方便快捷地应用寒武纪领先的AI计算加速技术，释放强大算力，促进产业AI化。浪潮AIStation是面向企业级训练与推理场景开发的智能业务生产创新平台，实现从模型开发、训练、部署、测试、发布、服务的全流程一站式高效交付。通过对计算资源、数据资源、深度学习软件栈资源进行统一管理，AIStation为环境构建、模型开发、模型训练、模型评估、模型推理、上线部署全链条全面提速，加快AI开发应用创新落地。

美通社2022-10-13

24小时热点