01 我国加快推进算力技术标准化建设
近年来大模型等通用人工智能正在引领全球新一轮产业变革，加速智能时代到来，算力越来越成为重塑人类社会生产生活方式的关键基础底座。在近日于上海举行的2024年国际算力标准与应用研讨会上，专家表示，标准是算力技术创新成果的转化，更是筑牢算力产业生态的关键途径。在稳住算力产业“硬实力”的同时，更要深耕算力产业“软实力”，未来应继续坚持技术创新驱动，发挥标准引领支撑作用，共同构建开放、协同、创新的算力产业新生态。
算力产业迎新一轮发展热潮
作为支撑数字经济发展的基石，算力产业不仅引领着经济转型升级，也将在培育新动能、激发新活力方面发挥着不可替代的作用，全球正迎来新一轮算力产业发展热潮。
中国工程院院士邬贺铨表示，生成式AI正推动算力发展与应用。目前，全球训练算力仍占据主流，但我国的智能算力已由推理算力主导。国际数据公司在2023年预测，到2027年中国智能算力中，推理算力占比将上升到72.6%。预计到2025年，中国AI服务器公有云的占比将超过50%。在算力上云方面，中国规上企业上云比例已经达到80%。AI手机、AI电脑、AI XR与空间计算、车端与云端算力协同等应用，都将驱动算力产业发展。
随着算力需求指数级增长，数据中心建设迎来热潮。据业界统计，2024年上半年，全国已经建设和正在建设的智算中心超过250个，2024年上半年智算中心招投标相关事件791起，同比增长高达407%；已有超20个城市建设了智算中心。截至5月底，全国规划具有超万张GPU集群的智算中心已有十多个。
智能算力正在成为我国算力竞争主赛道。根据《算力基础设施高质量发展行动计划》，2023年我国算力总规模达到230EFLOPS，智能算力占比30%；2025年我国算力总规模将达到300EFLOPS，智能算力占比将达到35%。目前，我国正加紧构建“全国一体化算力网络”，推动建设中国式现代化数字底座。
工业和信息化部信息通信发展司副司长曲华锋表示，为共同把握数字发展的时代机遇，算力产业界应从共筑数字发展底座、共享创新技术经验、共建算力产业生态、共谋互信互利发展等多个方面提升发展水平。
目前，国内多地正积极推进算力产业发展。上海积极融入全球算力产业链和价值链，构建算力产业优良生态。算力规模持续扩大，松江、临港、青浦、金山等重点区域建成一批千卡、万卡智算集群。算力产业持续强化，集聚了智算GPU芯片、智能网卡、高速交换机、智能服务器等一批优质智算企业，揭牌成立了“上海市智能算力公共服务平台”。
上海市经济和信息化委员会副主任、一级巡视员戎之勤表示，上海将坚持技术创新，探索未来方向，加大对算力技术研发的投入，鼓励高校、科研机构和企业联合攻关，推动高端算力芯片、模型算法、训练框架、集群组网、软件工具等技术融合创新；打造人工智能、无人驾驶等城市级超级场景，为算力产业发展打开大空间、提供大舞台。
国产算力应从“可用”迈向“好用”
当前国内算力基础设施建设如火如荼，为数字经济提供了坚实算力底座，国产AI芯片应用前景广阔。在专家看来，我国智算中心新生态已初步形成，不过当前国内一些算力中心需求不足、应用不足现象值得关注，国产算力仍需要从“可用”向“好用”方向迈进。
据中国信通院云大所所长何宝宏介绍，在我国智算中心生态建设方面，2022年以前是早期探索阶段，对国外芯片、算法依赖度高；2023年至2025年，国产算力产业技术生态爆发，上下游国产厂商逐步发展起来。预计到2026年以后，将能够发展成为成熟的社会级服务。现在，我国智算产业仍面临算力孤岛问题、技术适配问题、算效与算能问题、国产生态问题等挑战。
未来几年，大模型参数将达百万亿级，吉瓦级（GW）数据中心呼之欲出，业界预测，全球数据中心未来五年85%的增量将来自智能算力。智算中心将拥有更大的业务规模、更快的上线速度、更高的功率密度和更多的能源消耗。算力激增或将引发电力短缺，而绿色电力是AI算力发展的破局之道。
针对当前国产算力产业面临的不足和发展难题，中国工程院院士张宏科提出，在应用与网络、基础设施结合的情况下，引入计算、存储、智能和资源协同等方法，实现算力资源的高效使用和调度。中国工程院院士蒋昌俊认为，东数西算是跨区域资源调配国家级重点战略工程，未来新基建的重点之一是建设一体化算力网络，既要进一步提升智能算力的资源利用率，同时以AI为代表的、满足更细致业务场景需求的能力建设和解决方案建设也更加重要。中国工程院院士沈昌祥强调，大模型的使用对算力安全有着较高需求，应当加大安全方面的研发应用，可通过自主可信计算技术来提升算力网络安全。
标准规范是筑牢产业生态关键
算力在培育数字技术新动能方面发挥着不可替代的作用，算力标准规范更是推动技术创新和产业发展的关键。推进国产算力产业发展，既需要稳住算力产业“硬实力”，同时也要深耕算力产业“软实力”，以标准引领支撑产业健康发展。
“全球算力生态体系的构建需要坚实的技术和基础设施支撑，涉及设施、计算、网络等多个环节。”国际电信联盟前秘书长、中国通信学会名誉理事长赵厚麟表示，产业界各方要继续强化在算力领域的国际技术和标准合作，汇聚更为广阔的国际产业界共识，携手并进，共同推动全球算力产业的蓬勃发展。
推动算力技术标准化进程，加强全球技术交流与合作，是促进全球算力产业健康发展的重点所在。近年来，我国算力技术标准化领域取得了一定成就，中国通信标准化协会业已发布了一系列重要成果，为算力产业的升级发展提供了标准支撑。
中国通信标准化协会理事长闻库表示，在推进算力产业标准化方面，需要携手国际，共筑标准高地；连通世界，深化产学研融合；国际合作，培养高端人才。邬贺铨院士认为，行业亟须建立算力使用者接入认证、算力节点分类、计算任务分类、算力应用分级等标准体系，促进业界共识的达成。
为共享计算时代的发展机遇，2024年国际算力标准与应用研讨会邀请到多国嘉宾代表共同发起“全球算力合作发展倡议”。另外，中国信通院、香港生产力促进局、香港理工大学共同启用三方合作备忘录。未来，三方将围绕数字技术领域开展标准研究和应用推广、数字技术人才培训、联合攻关和生态孵化、组建联合实验室等一系列合作，共同提升我国标准和测试认证的应用落地水平和国际影响力。（来源：经济参考报）
02 多地加速落地应用 人工智能激活千亿智慧教育市场
河南要求实施教育等重点行业人工智能应用示范；北京要求到2025年，打造100所人工智能应用场景标杆学校；上海要求推进教育领域人工智能相关硬件建设……近期各地纷纷加快了人工智能在教育领域的落地应用步伐。业内人士表示，人工智能在教育领域具有广阔的应用空间，不仅可以提高教学效率和质量，也有望作为技术牵引，进一步激活千亿级别智慧教育赛道。
在大连瓦房店市第七初级中学，错题不再需要学生手抄整理，大模型可以实现学生错题的针对性推送和辅导；在浙江宁海海亮学校，老师们可以通过一体机、电脑端、手机端随时随地记录学生的日常表现，系统根据记录生成独一无二的学生智能画像，通过综合得分、五育雷达图以及成长趋势线等多元化方式呈现孩子全面发展的清晰图景。
“瓦房店2023年确立在全市推广智慧教育，并于今年正式投入使用。从收到的反馈来看，教师普遍认为大模型在帮助提高教学效率方面效果显著，特别是可以实现自动批改作业和学生信息汇总等书面工作，大大节约了时间精力。未来我们也将携手科大讯飞等相关企业，进一步推动人工智能在教育领域的应用落地。”瓦房店市教委相关负责人告诉记者。
人工智能在教育领域的落地应用正在加速。科大讯飞股份有限公司副总裁周佳峰在接受记者采访时表示，目前讯飞的教育大模型已经在超过5万所学校进行试点应用落地，智慧课堂在全国覆盖了1400万师生。
各地也在积极推动人工智能在教育领域应用落地。不久前，北京发布《北京市教育领域人工智能应用工作方案》，提出到2025年，打造100所人工智能应用场景标杆学校。河南也在《关于印发河南省推动“人工智能+”行动计划》中提出，实施医疗、教育等重点行业人工智能应用示范，重点发展智能化教育、智能教育管理、智能教育评价等应用场景。
政策支持下，人工智能+教育这一赛道的发展势头正旺。业内专家认为，人工智能的应用不仅在于技术本身可以提升教学效率，还有望激活更大规模的智慧教育市场。根据灼识咨询发布的《中国人工智能教育蓝皮书》，中国教育智能硬件市场规模2023年达430亿元，预计2028年将超过790亿元。艾瑞咨询发布的《2024年人工智能+教育行业发展研究报告》也提出，2023年在线教育市场规模2628亿元，AI贡献率将从2023年的7%提升至2027年的16%左右。
海亮科技人工智能研究院院长汪涛告诉记者，目前国内各个地方的教育基础设施发展情况还处于相对不均衡的状态，而人工智能大模型的发展可以作为泛用性的软件直接使用，从而大大加速智能教育的发展，也更符合中西部的情况。在以小投入取得大成效之后，地方政府也更有意愿加大教育智能化建设力度。
北京师范大学智慧学习研究院副院长、教授李艳燕说，人工智能技术的应用为智慧设备的深入应用提供了新的思路，有望进一步激活市场需求，从而助力相关产业发展。（来源：经济参考报）
03 灵宝 CASBOT：人形机器人进工厂，从学习开始
近日，「36 氪」与灵宝 CASBOT 联合创始人兼 COO 张淼、CTO 马世奎交流，灵宝 CASBOT 方表示：人形机器人进工厂，从学习开始。
交流中，灵宝 CASBOT 提到人型机器人与传统机器人的比较，他们认为虽然传统工业机器人在高效和精度上有优势，但人形机器人在柔性制造和多任务处理方面展现了较大的潜力。同时人形机器人可以是非双足形态，但它能够具有双臂和灵巧手，协作方式是通过大脑去赋能的，可以算是类人形。
灵宝 CASBOT 还强调人形机器人目前并不完全具备自主执行复杂任务的能力，而是通过在工厂的实际应用中「学习」如何更好地适应和完成任务。这一过程包括通过与实际生产场景互动，积累数据和经验，不断优化自身的能力。例如，通过机器人在工厂中的应用，逐步改进它们在灵巧操作、柔性作业等方面的技术，尤其是在面对不同操作、复杂环境时的适应能力。
灵宝 CASBOT 最后还透露，计划通过持续的技术创新和场景应用，逐步将人形机器人从 B 端市场扩展到 C 端市场。
值得关注的是，灵宝 CASBOT 还提到马斯克曾预测，2025 年人形机器人将在特斯拉工厂中担任一定角色，2026 年开始服务于第三方，最终进入家庭市场。（来源：爱范儿）
04 XFX 讯景白色版 RX 7900 XT 显卡曝光：高性能、高颜值
11 月 28 日消息，科技媒体 videocardz 昨日（11 月 27 日）发布博文，报道称 XFX 讯景正准备推出全新白色的 Radeon RX 7900 XT MERC 310 显卡，目前尚不清楚发布日期。
根据曝光的图片，白色版 Radeon RX 7900 XT MERC 310 显卡采用银色背板，相比较现有黑色版本看起来略显高级。
消息源表示目前没有关于该显卡的更多信息，预估白色版和现有黑色版本相同，加速时钟频率为 2535MHz。更多图片如下：
(来源：IT之家)
05 算力不足限制AI创新 学者呼吁加强学术界算力支持
一项针对全球数十家学术机构的学者开展的调查显示，许多大学的科学家对人工智能（AI）研究可用的算力资源感到沮丧。
相关研究论文已于近日发布在预印本服务器arXiv上，指出学者难以接触到最先进的计算系统，这可能阻碍他们开发大型语言模型（LLM）和其他AI研究的进展。
（图片来源：nature）
具体而言，学术研究者往往没有资源获取足够强大的图形处理器（GPU）——这些电脑芯片常用于训练AI模型，且价格昂贵，可达数千美元。相比之下，大型科技公司的研究者预算更高，可以在GPU上投入更多资金。“每增加一块GPU，就能提升更多算力。”美国布朗大学计算机科学家、该研究的合著者Apoorv Khandelwal表示，“虽然行业巨头可能拥有数千块GPU，但学者可能只有几块。”
“学术界与行业界的模型差距巨大，但本可以小得多。”美国华盛顿特区非营利AI研究机构EleutherAI的执行董事Stella Biderman说。她表示，对这一差距的研究“至关重要”。
为了评估学者可用的计算资源，研究团队对35家机构的50名科学家进行了调查。受访者中，66％对自己的算力满意度打了3分及以下（满分5分）。“他们根本不满意。”Khandelwal说。
各大学在GPU访问设置上有所不同。有些学校设有供各部门和学生共享的中央计算集群，研究人员可申请GPU使用时间。另一些机构可能为实验室成员直接购买机器。
柱状图揭示了调查的结果：学者通常只能有限地访问图形处理器，这进而限制了他们训练机器学习模型的能力。
一些科学家表示，他们不得不等待数天才能使用GPU，并指出在项目截止日期前后等待时间特别长。调查结果还凸显了全球算力访问的差异。例如，有受访者提到在中东地区难以找到GPU。仅有10％的受访者表示，他们可以使用英伟达的H100GPU，这是专为AI研究设计的高端芯片。
这一障碍极大地加剧了预训练过程的难度，即向大型语言模型（LLM）输入海量数据集的过程变得尤为困难。“由于成本高昂，大多数学者甚至不敢涉足预训练领域的研究。”Khandelwal指出。他和同事坚信，学者在人工智能研究中带来了独一无二的视角，而算力的匮乏可能会严重制约这一领域的未来发展。
“为了长期的增长和技术发展，拥有一个健康、有竞争力的学术研究环境至关重要。”美国布朗大学计算机科学和语言学学者、该研究的合著者Ellie Pavlick说，“相比之下，在行业研究中往往存在显著的商业压力，这有时会促使研究人员急于求成，减少了对未知领域的探索。”
研究人员还深入探究了学者如何在算力资源有限的情况下更高效地进行利用。他们测算了在使用1至8块GPU的低资源硬件环境下，预训练多个大型语言模型（LLM）所需的时间。尽管面临资源限制，学者仍成功训练出多个模型，但这一过程耗时更长，并要求他们必须采用更为高效的方法。
“我们实际上可以延长现有GPU的使用时间，从而在一定程度上弥补与行业界的差距。”Khandelwal说。
“在有限的计算资源上竟然也能训练出比许多人预期中更大的模型，这确实令人惊叹。”德国萨尔布吕肯萨尔兰大学神经显式模型研究者Ji-Ung Lee表示。他进一步指出，未来的研究可以聚焦小公司行业研究者的经历，因为他们同样在计算资源获取上面临困境。“并非所有有能力获取无限算力的人都能够如愿以偿。”他补充道。（来源：人民邮电报）
