5月11日,由润联科技、华润科学技术研究院和深圳清华大学研究院联合成立的“面向工业互联网的5G边缘智能平台实验室”正式挂牌成立。该实验室是基于华润集团和清华大学战略合作的基础上,基于华润科学技术研究院与深圳清华大学研究院合作共建的华润科学技术研究院-深圳清华大学研究院联合研究院成立的第五个实验室,也是在新一代信息技术领域设立的首个实验室,充分发挥深圳清华大学研究院在下一代互联网的研发实力与华润的产业优势,聚焦5G边缘计算产品的研发,是润联科技打造产业互联网基础服务能力的重要布局。
实验室由润联科技、华润科学技术研究院和深圳清华大学研究院联合管理,三方共同参与研究开发“面向工业互联网的5G边缘智能平台”。
深圳清华大学研究院院长嵇世山对实验室的成立表示祝贺。在清华大学110周年校庆到来之际,习近平总书记发表重要讲话,要求“加强产学研的深度融合,促进科技成果转化”。嵇世山院长指出,5G边缘智能平台实验室将依托华润丰富的产业场景,将清华大学多年积累的研究成果落地应用,亦是践行习总书记的上述指示,希望5G边缘智能平台实验室成为清华与华润联合共建研究院的合作典范。
华润集团智能与信息化部负责人兼润联科技董事长董坤磊在致辞中表示,“十四五”规划和2035年远景目标纲要已经预示着数字化时代的到来,这将会是第四次工业革命的起点,第四次工业革命最核心的是以数据为驱动的智能化时代的到来。而5G的出现带动了大量的数据采集和汇聚,5G边缘计算则是智能时代支撑智能场景非常重要的基础技术。华润拥有非常丰富的产业场景,工厂有1000多家,终端有1000多万,若都能通过边缘计算的方式,盘活信息与数据,形成智能化的应用,将会很好的带动华润自身和华润上下游产业链的产业互联网生态提升,同时实现创新科技与实体产业真正的融合发展。
董坤磊表示,此次成立的“面向工业互联网的5G边缘智能平台实验室”,是基于清华下一代互联网研发中心的科研成果,围绕边缘计算、5G通信技术、人工智能等新兴前沿技术,在工业互联网领域的应用研究与探索,并结合华润在工业互联网场景的优势,打造面向工业互联网的边缘计算应用级平台,希望以华润的产业场景做为依托和起步点,培育出赋能华润自身产业以及华润上下游企业的重要赋能平台。
清华大学教授、网络科技与网络空间研究院副院长、深圳清华大学研究院下一代互联网研发中心主任徐明伟现场做了《面向未来的一体化融合网络》的主题演讲,并表示希望通过“面向工业互联网的5G边缘智能平台实验室“的成立,把清华大学已有成果在产业中落地,更进一步推动产业界和学术界的联合,在实际产业中解决问题,期望做出世界领先的研究。
深圳清华大学研究院下一代互联网研发中心执行主任杨术现场介绍了《面向工业互联网的5G边缘智能平台》的产品设计逻辑和价值,并发布了产品的初步版本。
深圳清华大学研究院院长嵇世山,华润集团科技创新部总经理原强,华润集团智能与信息化部负责人兼润联科技董事长董坤磊,清华大学教授、网络科技与网络空间研究院副院长、深圳清华大学研究院下一代互联网研发中心主任徐明伟,华润大学常务副校长刘立栋,深圳清华大学研究院常务副院长刘伟强,清华大学教授、中高会人工智能产业技术创新联盟秘书长、深圳清华大学研究院下一代互联网研发中心常务副主任胡萍,深圳清华大学研究院院长助理、创新部部长昝成,润联科技助理总裁、智能科技服务部总经理唐小林,华润科学技术研究院院长助理梁潇,深圳清华大学研究院下一代互联网研发中心执行主任、深圳清华TAI协会副会长杨术,面向工业互联网的5G边缘智能平台实验室主任夏修理,共同为实验室的成立揭牌。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。