——连续第二年举办线上全球大会,赋能行业创新者为所有人设计和创造一个更美好的世界
2021年10月13日, 本周,欧特克公司(纳斯达克:ADSK)在线举办了年度设计和制造大会——欧特克AU(Autodesk University)2021全球大会,全球各地的创新者齐聚线上、共襄盛事。这项全球性的学习体验是专为建筑、工程、施工、产品设计和制造以及传媒与娱乐领域的专业人士所设计的,旨在让全球创新者利用欧特克技术探索全新可能、推进各自行业的发展。本次大会于10月5日在全球拉开帷幕,并在10月13-14日举行了专门面向大中华区的学习和交流会议。
鉴于全球抗击疫情的行动仍在继续,欧特克连续第二年在数字平台上举办这项全球活动,以确保欧特克客户及广大社群的健康、安全与福祉。欧特克AU 2021全球大会专门针对线上会场进行了精心的活动安排,与会者可在线免费参会。
在大会期间,欧特克公司总裁兼首席执行官Andrew Anagnost将以一系列的主题演讲为每天的活动揭开序幕。其主题演讲展示了欧特克在赋能创新方面的不断进步,以助力各行各业的创新者解决种种问题,并重点介绍了基于欧特克现有的 Forge 技术为客户提供平台式解决方案的愿景及其进展。欧特克最终将为行业提供一套富有弹性且灵活的远程协作平台解决方案,其可融合各类技术、连接各项流程、自动化工作流并为客户提供有价值的洞察*。
欧特克公司总裁兼首席执行官Andrew Anagnost表示:“我们正在不断重塑欧特克为客户提供价值的方式,以确保我们提供的工具既能满足当下日益增长的行业需求,又能推动这些行业进一步走向可持续发展,造福全世界的每一个人。为了在 Forge 平台上构建以行业为中心的统一解决方案,我们正在对提升客户韧性进行重要投资。随着我们的软件解决方案变得更加灵活、流畅,我们的客户便能够创造性地思考、高效地协作,并专注于他们的项目而不是产品。今年的AU是我们对新可能的探索和庆祝。”
除了每天的主题会议之外,欧特克公司高管和行业创新者还将通过在线的方式,就设计与制造、工程建设以及传媒与娱乐等领域发表主题演讲。这些演讲将传递行业资讯,并介绍欧特克如何以创新的方式助力各行各业的创新者解决现实问题,通过革新建造方式、工程方法、制造工艺、创造手段和生产流程,创新者将为所有人创造一个更美好的世界。欧特克AU 2021全球大会的与会者还将有机会参加数百场专家主讲课程、实时问答以及线上交流等活动。
在专门面向大中华区的会议中,与会者可以选择中文进行学习和交流。同时,大会还提供了40多场中文专业课程供与会者选择参加,旨在帮助大家精进业务、提升技能,并为实现下一个创新做好准备。值得一提的是,在欧特克大中华区领导力创新论坛上,欧特克公司大中华区总经理李邵建、大客户业务总经理肖胜凯、技术总监罗海涛和欧特克中国研究院高级研发总监方小峰,一同深入解读了AU 2021全球大会的关键信息,共同探析了最新的行业发展趋势和创新热点,并为与会者介绍了欧特克如何助力大中华区的创新者们探索新可能,实现新成就。
今年的AU全球大会也标志着该公司的 “Autodesk it” 全新品牌推广活动正式拉开帷幕,旨在彰显创新者可通过多种方式与欧特克合作,并借助欧特克的创新力量实现更好的项目成果、为公司创造更佳的效益、为整个世界带来更多的福音。此次品牌推广活动是欧特克继 2021 年 9 月推出全新的标识和视觉识别后,品牌演化进程的再次向前迈进。该品牌推广活动于2021年在部分市场启动,并计划于2022年及其后进一步拓展到全球更多市场。
欧特克AU 2021全球大会的全部会议内容将在会后提供按需点播观看。欧特克将继续开放AU Solution Marketplace的访问权限,以供与会者发掘创新技术和有用的工作流程,并结识来自欧特克全球合作伙伴与开发人员生态系统的行业专家。
欧特克已经连续七年举办AU全球大会,欧特克AU 2021全球大会将是一场碳中和盛会——低碳环保的线上活动有力彰显了欧特克对可持续发展运营的长期承诺。今年早些时候,欧特克已在其业务和价值链中实现了“净零碳排放”,并制定了两个与最新气候科学研究相一致的温室气体减排目标。
欧特克AU全球大会惠及全球用户
除了举办一系列会议之外,欧特克AU全球大会还是一个在线学习平台,致力于启发、挑战和激励欧特克软件用户、合作伙伴及行业领导者探索未来的设计、工程和建筑。欧特克AU 2021全球大会是该公司的第二次全球数字大会,此次活动将在线汇聚来自 175 个国家的75000多名创新者,他们将探索全新的想象、设计和制造方式。欧特克AU全球大会还提供全年免费访问的学习内容、专业培训以及来自会议活动鼓舞人心的行业讲座。
好文章,需要你的鼓励
这项由华盛顿大学和新加坡国立大学研究团队提出的ScaleKV技术,针对视觉自回归模型中的内存瓶颈问题提供了创新解决方案。研究发现不同变压器层具有不同的缓存需求,将它们分为需要大量历史信息的"起草者"和专注于当前细节的"精细器",实现了尺度感知的KV缓存分配。实验表明,该方法能将Infinity-8B模型的内存需求从85GB减少到8.5GB,同时保持生成质量几乎不变,为高分辨率AI图像生成的普及应用铺平了道路。
这项研究提出了一种名为INTUITOR的创新方法,让大语言模型无需外部奖励即可自主学习推理能力。研究者利用模型自身的"自我确定性"作为唯一奖励信号,替代传统需要人工标注或答案验证的方法。实验表明,该方法在数学推理上与使用标准答案的方法相当,并在代码生成等跨领域任务上展现出更好的泛化能力。这为开发能在缺乏外部验证的情况下自我提升的AI系统开辟了新途径,对未来自主学习AI具有深远影响。
新加坡科技设计大学和字节跳动研究团队提出了"语音反向翻译"方法,解决语音识别中的数据稀缺问题。研究表明,仅用几十小时的标注语音数据就能训练TTS模型生成数万小时高质量合成语音,将数据扩充数百倍。他们引入归一化可理解度指标评估合成语音质量,确定了合成数据能有效增强ASR性能的质量阈值。将方法扩展到十种语言,生成了50万小时合成语音,对Whisper-large-v3模型进行预训练,平均降低错误率30%,对低资源语言尤其有效,错误率降低46%。
WINA是一种由微软等机构研究人员开发的训练无关稀疏激活框架,它通过同时考虑隐藏状态大小和权重矩阵的列式l2范数来加速大型语言模型推理。与仅基于隐藏状态选择神经元的现有方法不同,WINA能更精确识别影响模型输出的关键神经元,在理论上提供更紧的误差界限。实验证明,WINA在相同稀疏度下比最先进方法表现更优(提升最多2.94%),同时减少高达65%的计算量,为资源受限环境中部署大型语言模型提供了高效解决方案。