算力是集信息计算力、网络运载力、数据存储力于一体的新型生产力，主要通过算力基础设施向社会提供服务。算力基
础设施是新型信息基础设施的重要组成部分，呈现多元泛在、智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升
级、赋能科技创新进步、满足人民美好生活需要和实现社会高效能治理具有重要意义。
中国政府在深化算力赋能行业应用方面，提出了如下行计划：
2.“算力+工业”。针对“智慧工厂”等场景数据实时计算要求，加快部署工业边缘数据中心，推动算力赋能智能检测、
故障分析、人机协作等技术迭代，不断提升不同工业场景业务处理能力。面向原材料、装备制造、消费品、电子信息等领域，围绕工业生产种类特性多、生产时间长、质量要求高等特点，以及安全污染隐患大、智能化水平低等难点，瞄准高端化智能化绿色化方向，逐步构建工业基础算力资源和应用能力融合体系，满足不同类型工业企业在研发设计、生产制造、仓储物流、营销服务等方面的算网存用需求，推动工业企业技术改造、降本增效和绿色化转型，加快推进算力赋能新型工业化建设应用。
3.“算力+教育”。鼓励科研院所根据需求适度建设算力资源，有效支撑面向重大项目或课题的开发与创新。推进公共算
力资源覆盖校园，鼓励各类高等院校、职业院校积极运用算力平台为学校实习实验实训环境、平台和基地建设及转型发展提
供支撑，促进教育公平，全面提升教育体系内在质量水平。
4.“算力+金融”。加快算力在金融领域的创新应用，构建多节点并行的分布式算力资源架构，提供跨地域资源高效管理、
核心业务多地多活部署能力。围绕金融市场高频交易等低时延业务场景开发部署智能边缘算力节点，实现金融业务边缘侧数
据的筛选、整合与处理，为金融业务发展提供更为精准、高效的算力支持。
5.“算力+交通”。面向智慧交通需求，加快“中心-区域- 边缘”多层级算力设施部署，支持感知、通信、控制相关设备
的标准化接入与数据汇聚，为道路交通精细化管理、场站枢纽智能运营等跨域综合信息应用以及车路协同自动驾驶、港口矿
山自动化生产等低时延高可靠应用提供灵活高效的算力支撑。
6.“算力+医疗”。统筹建设国家和省级医疗大数据中心，完善区域全民健康算力平台，支撑“互联网+医疗健康”应用体
系高质量发展。加快基层卫生健康边缘数据中心建设，强化对各级医疗机构的边缘算力支撑，实现医疗算力资源的有效下沉。
7.“算力+能源”。加快建设能源算力应用中心，支撑能源智能生产调度体系，实现源网荷互动、多能协同互补及用能需
求智能调控。推动鼓励龙头企业以绿色化、智能化、定制化等方式高标准建设数据中心，充分利用现有能源资源优势，结合
自身应用需求，提供“能源流、业务流、数据流”一体化算力。
信息来源：gov.cn
14 天前
华为昇腾推出的Atlas 900 SuperCluster成为国产AI算力的重要突破，标志着华为在超大规模AI训练集群领域的领先地位。 1. 技术突破与性能表现 超大规模算力支持：Atlas 900 SuperCluster 采用创新的超节点架构，支持超万亿参数大模型训练，单集群可管理数十万张昇腾AI加速卡（如昇腾910B），并实现高可用性设计，包括超高速互联、高效液冷散热和瞬时爆发供电。 性能对标英伟达A100：实测数据显示，昇腾AI集群在训练Meta Llama、BloomGPT等模型时，效率可达英伟达A100的1.1倍，并在部分场景实现10倍领先于其他国产方案。 国产化算力标杆：科大讯飞等企业已采用昇腾万卡集群，训练效率达到英伟达A100的0.8~1.2倍，证明其在国产大模型训练中的竞争力。 2. 架构与生态创新 全栈自主可控：从硬件（昇腾芯片、鲲鹏CPU）、架构（达芬奇架构）、软件（MindSpore框架）到开发工具（CANN异构计算），华为构建了完整的AI计算产业链。 昇腾910B芯片升级：相比前代昇腾910，910B在FP32性能上显著提升，支持多NPU模组互联，提供更高带宽和算力密度，进一步缩小与英伟达高端GPU的差距。 生态挑战与机遇：尽管昇腾算力已对标英伟达，但CUDA生态的成熟度仍是竞争短板。华为通过开源MindSpore、适配主流框架（如PyTorch、TensorFlow）及开发者扶持计划（如15亿美元生态投入）加速生态建设。 华为Atlas 900 SuperCluster的推出，不仅提升了国产AI集群的竞争力，也为全球AI算力格局注入了新变量。随着生态完善，昇腾有望在AI训练与推理市场占据更关键地位。 （根据资讯整理）
1 个月前
从传统认知来看，算力、算法和数据被认为是人工智能的核心三大要素。当大模型出现后，大模型在当前人工智能发展中占据着极其重要的地位。 大模型与算法的关系：从属而非取代。传统算法的定位：算法本质是解决问题的步骤规则，如SVM、随机森林等，是AI的底层方法论。 大模型的本质：大模型是算法的一种高级形态，依托深度学习（尤其是Transformer架构）实现，其核心仍是算法逻辑的演进。例如，GPT的生成能力源于自注意力机制（算法创新），而非脱离算法的新存在。 大模型为何需要独立强调？ 尽管大模型属于算法范畴，但其独特性使其具备基础设施属性： 平台化能力：如GPT-4可作为基础平台，支撑多样下游任务（写代码、客服、科研），类似操作系统。 资源门槛：训练大模型需超算集群和千亿级数据，远超传统算法，成为独立的技术-资源综合体。 生态影响：催生模型即服务（MaaS），改变行业分工（如企业无需自研模型，调用API即可）。 AI的核心能力确实高度依赖于数据、算力和大模型，但这三者并非全部。它们是推动现代AI发展的基础设施，但真正的核心能力还需结合其他关键要素，以下分层次解析： 1. 数据、算力、大模型的角色 数据：AI的“燃料”，尤其是监督学习和自监督学习依赖海量标注或无标注数据（如GPT-4训练用了数万亿词元）。 算力：硬件（如GPU/TPU集群）支撑大规模训练和推理，例如训练GPT-4需数万块GPU和数月时间。 大模型：通过参数量的增加（如千亿级参数）实现更强的泛化和多任务能力，如Transformer架构的涌现能力。 2. 被忽视的核心要素 算法创新： 数据与算力的价值需通过算法释放。例如，Transformer（2017）相比RNN的突破、扩散模型对生成任务的改进，均源于算法设计。 小样本学习（Few-shot Learning）、强化学习的策略优化（如PPO算法）证明：算法效率可弥补数据或算力的不足。 工程能力： 分布式训练框架（如Megatron、DeepSpeed）、模型压缩（量化、蒸馏）等技术，决定大模型能否实际落地。 领域知识： 医疗AI依赖专家标注和病理学知识，自动驾驶需融合传感器物理模型，说明垂直场景的壁垒远超大模型本身。 3. 未来趋势：超越“大力出奇迹” 高效训练与推理： 低功耗芯片（如神经拟态计算）、MoE架构（如Mixtral 8x7B）正降低对算力的依赖。 数据质量 vs 数量： 合成数据（如NVIDIA Omniverse）、数据清洗技术逐步减少对纯数据量的需求。 可解释性与安全： 模型对齐（Alignment）、因果推理等能力将成为下一代AI的竞争焦点（如Anthropic的Claude 3）。 4. 总结：AI的核心能力是“系统级创新” 短期：数据、算力、大模型是入场券； 长期：算法设计、跨学科融合（如神经科学）、工程优化、伦理治理等系统性能力才是关键。 类比：如同火箭需要燃料（数据）、引擎（算力）、设计（模型），但真正的突破来自材料科学（算法）与控制系统（工程）。 未来AI的竞争将不仅是资源的堆砌，而是如何用更少的资源解决更复杂的问题，这需要多维度的创新能力。
2 个月前
巴黎——Stellantis N.V.与Mistral AI正在深化战略合作，将人工智能（AI）整合到从车辆工程到车载体验的多个领域。此次合作充分利用Mistral AI在大语言模型（LLMs）和AI驱动自动化方面的专长，将AI技术引入Stellantis的众多系统和应用中，从而提升数据分析能力、优化开发流程并增强客户互动体验。双方合作的最新成果是一款先进的车载助手，旨在为驾驶员提供实时对话支持。这一成果建立在双方一年多来共同开展的AI项目基础之上，这些项目致力于提升客户满意度、产品开发效率和制造水平。 AI赋能车载体验升级 Stellantis与Mistral AI正共同探索开发一款AI驱动的车载助手，使驾驶员能够通过自然语言与车辆进行交互。该助手可作为实时语音支持的用户手册，客户可以询问车辆功能、故障排除或警告指示灯等相关问题，并通过自然对话获得即时指导。该助手将持续更新，并适配Stellantis旗下各品牌和车型，为用户提供无缝且直观的体验。 AI驱动Stellantis全方位创新 除了车载助手，Stellantis与Mistral AI还在探索多项AI驱动的创新项目： 物料清单（BOM）数据智能化：一款专为Stellantis打造的AI工具，可简化复杂零部件数据库的分析流程。由Mistral AI驱动的聊天机器人能够与公司产品数据交互，帮助工程师识别、比较和优化零部件选择，以实现全球范围内的最大复用率和效率提升。 车辆反馈数据分析：AI自动化处理开发车队和调查数据，快速识别趋势并采取纠正措施，从而提升产品质量和客户满意度。 “Club Stellantis”虚拟助手：一款为法国Stellantis员工提供公司车辆购买服务的聊天机器人。该工具支持多语言查询处理，是公司计划将该服务扩展至其他欧洲国家的关键功能。 AI驱动的异常检测：Stellantis正在评估Mistral AI的边缘计算模型，以实时检测制造过程中的错误，使操作人员能够在零部件出厂前采取纠正措施，从而提升质量控制水平和效率。 高层观点 Stellantis首席工程与技术官Ned Curic表示：“AI领域有许多参与者，我们非常高兴能与Mistral AI合作，因其具备快速适应能力，并能以高度协作的方式推动实际成果。我们正在多个领域探索AI的潜力，以提升产品开发水平和客户体验，并带来切实的利益。” Mistral AI首席执行官兼联合创始人Arthur Mensch表示：“此次合作是我们致力于让生成式AI（GenAI）更易用、更有价值的重要一步。Stellantis对技术的开放态度，以及将先进AI整合到真实驾驶体验中的能力，使其成为展示Mistral AI多功能解决方案如何重塑出行体验并赋能工程师工作的理想合作伙伴。” 通过将AI技术应用于多个触点，Stellantis进一步践行了其开发创新、数据驱动解决方案的承诺，旨在提升产品性能，并为客户和员工创造更好的体验。 新闻来源: Stellantis 官网
4 个月前
中美 AI 竞争已进入白热化阶段，技术差距的缩小、数据瓶颈的突破以及地缘政治的影响将成为未来 AI 发展的关键因素。
7 个月前
海光处理器属于GPGPU架构，通用且场景支撑能力强，这是国内唯一具备全精度浮点数据计算能力的厂商。
8 个月前
用友发布了企业服务大模型2.0（YonGPT2.0），分别面向公共资源交易行业、工业装备行业、交通建设行业，发布了三大行业垂类大模型。
9 个月前
博世力士乐ACTIVE Shuttle Management System能够实现高度灵活的订单管理；该系统既支持手动输入订单，也支持经由第三方系统进行自动调度。
9 个月前
算力是集信息计算力、网络运载力、数据存储力于一体的新型生产力，主要通过算力基础设施向社会各个行业提供计算能力服务。
9 个月前
至2025 年，计算力方面，算力规模超过 300 EFLOPS，智能算力占比达到 35%，东西部算力平衡协调发展。
