4月16日,紫光股份旗下新华三集团在杭州召开2024媒体与分析师沟通会,以“×AI”(乘AI)为主题,全面拥抱“人工智能+”时代的无限机遇。会上,紫光股份董事长、新华三集团总裁兼首席执行官于英涛发表致辞,他提出新华三在人工智能时代,要重点去做的三件事情——
紫光股份董事长、新华三集团总裁兼首席执行官于英涛
------------本文摘自2024媒体与分析师沟通会于英涛演讲实录------------
2023年6月,我们在杭州举办了NAVIGATE领航者峰会,发布了“精耕务实 为时代赋智慧”的品牌口号,提出了“让AI有爱”的愿景。这10个月来,技术的发展与变化日新月异。今天,我们荣幸地与大家分享和阐述:在这样一个蓬勃向上的时代,在这样一个技术爆发的时代,在第四次工业革命到来的时代——我们想干什么?能干什么?准备干什么?也就是,新华三在人工智能时代,重点要去做的三件事情:
01 让“AI in ALL”
“AI in ALL”就是让我们的产品、解决方案以及产品研发过程全面嵌入AI,全面AI化。新华三是一家提供To B、To G产品和解决方案,软硬件一体结合的厂商。未来,我们将全面推动网络、安全、计算、存储、云、大数据、智能终端等领域全栈产品和解决方案的智原生,让它们在AI技术的加持之下更智能。这是我们要做的事情,也是我们一直努力在做的事情。
围绕“AI in ALL”,我们发布了一系列新的技术、产品和解决方案,但这仅仅是个开始。作为ICT领域的从业者,要想在人工智能这场盛宴中占有一席之地,就必须加快让我们的产品和解决方案跟上技术、产业的发展趋势。
02 让“AI for ALL”
“AI for ALL”就是我们将充分利用自身的技术、产品和解决方案,赋能百行百业数字化变革的智能升级。人工智能领域目前最火的就是大模型技术,无论是面对通用大模型还是垂直领域的行业大模型,或者叫私域大模型,我们所要思考的,就是如何让它们深入场景、黏合应用,在更大范围、更宽领域产生更大价值,更好地服务百行百业。
我们可以看到,截至3月底,通过国家备案的大模型已经达117个,可谓是“百模大战”,新华三的私域大模型——百业灵犀(LinSeer)也在其中。总的来说,新华三的大模型策略就是“1+N”:“1”就是我们的“百业灵犀”,“N”就是N个优秀的通用大模型加行业模型。在“AI for ALL”战略里面,我们要优选各类模型,为广大客户提供更好的服务。谁的模型好,我们就和谁合作,无论是通用模型还是行业模型。
人工智能时代,是继移动互联网时代之后,真正对人类和社会产生重大影响的第四次工业革命。在这样的时代,一定会涌现出无数的创业者、创新者和成功者。互联网时代成就了亚马逊、谷歌,创造了中国的阿里巴巴、腾讯、字节跳动、百度。在AI时代,我相信一定会再次诞生一批伟大的企业,它们可能产生于现有的巨头中,也可能是来自新的创业者,甚至是很小的创业者。我祝福目前的巨头,希望他们在现有的基础上继续开拓创新,继续成功。同时,我也衷心希望中国越来越多的创业者、创新者加快成长,在他们中间,未来能够诞生出更多的巨头。
03 让算力更快 更强 更澎湃
前面两点,无论是“AI in ALL”还是“AI for ALL”,大家听起来都很熟悉。所以第三点,我想谈谈新华三的差异化价值在哪里?
应该说,在AI领域,目前已经有许多优秀的知名企业,与他们相比,新华三有什么不同?我想,最核心的一点,就是新华三能够让算力更快、更强、更澎湃。在基因上,新华三来自杭州华三,是一家做网络出身的企业。大家知道,新华三的服务器市场份额排名前二,在人工智能服务器领域的排名也是领先的,这一点毋庸讳言。作为一个网络起家的厂商,我们必须发挥我们的网络优势。在智算领域,我们的优势是“联接+算力”;人工智能时代,我们把加号改成了乘号,就是要充分发挥乘数效应,让联接乘算力,从而充分放大智算资源价值。尤其是在当前情况下,我们更要发挥自身的使能价值,发挥我们在网络领域的优势、对联接的深刻理解和在联接方面的专利技术,让算力更快、更强。为此,我们在片间互联和GPU服务器集群互联这两项技术领域,将瞄准世界一流水准去追赶。
目前,国内约有15家GPU厂商,还有更多的厂商在创业路上。我们希望能为这些企业提供新华三的“独门秘笈”,进而为百行百业的发展提供澎湃智能算力支撑,这就是我们要做的事情。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。