5月30日,2022全球超算TOP500榜单公布,美国橡树岭国家实验室的最新超算Frontier超越日本Fugaku,以绝对优势斩获榜首,成为全球首个E级(百亿亿次)超级计算机。中国的神威·太湖之光和天河二号排名下滑至第六和第九。
Frontier在Linpack基准测试下峰值性可达到1.102 Exaflop/s,算力超过身后7名性能总和,同时能耗比亦是Green500榜首。在本次TOP500榜单中,中国共上榜173台,总量排名第一。另外有消息显示,中国的神威·海洋之光和天河3号都实现了1.3Exaflop/s的性能,但并没有提交测试数据。
我们的科技留言板“有意见”如下
@媒体搬运工:从排名变化可以看到,如果自己不掌握核心技术,一切都是泡影。在别人的赛道跟跑领先,但是人家一改玩法,你就没戏了。只有开辟新赛道领跑才能甩开对手。中国超算之路任重道远,踏踏实实做好基础研究,而不是争一时的成绩。
@任我行:神威·太湖之光从当年的榜首下滑至第六,一是美国、欧盟、日本等地也在加速推动E级计算,二是随着人工智能需求的兴起,面对更多AI应用场景,既能实现训练又能推理的人工智能计算中心受到热捧,这对超算的发展带来了一定冲击。
@打工仔/@周一见:中国超算的发展有目共睹,且总数在榜单占比最高,对未来的实体应用会产生很大的影响,期待超算造福于民。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。