专访英特尔:开源与 AI 迅猛发展,龙蜥社区提供高效合作平台

简介: 龙蜥社区为开源技术、AI 技术提供了一个非常好的高效合作的平台。

编者按:由中国计算机学会开源发展委员会、中关村科学城委员会、海淀区委网信办、中国开源软件推进联盟指导,龙蜥社区主办,阿里云、浪潮信息、Intel、中兴通讯、Arm、中科方德等 24 家理事单位共同承办,主题为“进化·重构·赴未来” 的 2024 龙蜥操作系统大会即将于 8 月 30 日(本周五)在北京举办。近日,CSDN 采访了英特尔技术总监,龙蜥社区副理事长杨继国,深度解读了英特尔对智能时代的理解,以及在龙蜥社区的开源贡献和工作成果以下为采访全文:

AIGC 技术的蓬勃发展,不仅带来了工作、生活方式的重大变革,也对当前信息技术,从芯片、操作系统、编程工具到应用等层面都产生了深刻的影响。对于 IT 从业者而言,有哪些技术趋势值得关注和探索?有哪些创新成果可以参与和使用?近日,英特尔技术总监,龙蜥社区副理事长杨继国接受 CSDN 采访,深度解读了英特尔对智能时代的理解,以及在龙蜥社区的开源贡献和工作成果。


作为龙蜥社区创始成员和 24 家理事单位之一,英特尔在技术贡献、生态发展、社区运营等方面,都投入了大量的精力和资源,并取得了一系列成果。在技术贡献方面,杨继国表示,英特尔在社区一开始就成立了专门的 Intel 架构 SIG,由专人负责管理并维护代码仓库,并陆续参与了 20 多个 SIG,覆盖内核、虚拟化、云原生、AI、机密计算、安全等不同技术领域,已成为社区领先的贡献者之一。


让龙蜥社区开箱即用第六代至强平台

作为一家芯片技术服务商,至强处理器平台对龙蜥开源项目的适配是英特尔的一项重点工作,目前英特尔已实现对第三代至第六代至强平台的支持。在杨继国看来,英特尔 2024 年在龙蜥社区最重要的工作成果之一,就是对第六代至强平台的支持,包括高性能和高能效两个系列,电源管理、安全特性、RAS 特性、QAT 加速热迁移、RDT 资源管理、基于硬件的 IAA 硬件加解密支持等新特性,都在最新的 Anolis OS 23.1 做到了开箱即用。也就是说,社区用户在发布的第一时间,即可充分利用新平台的性能和能耗等优势。另一项重点工作则是 AI 编程框架 oneAPI 的集成。oneAPI 提供了开放、统一的编程接口,使得AI开发者能够自动运行在不同硬件平台上。英特尔在龙蜥社区已全面适配和集成了oneAPI,为开发者提供了开源开放的编程框架。这项工作背后的逻辑,是英特尔对AI与操作系统技术的深刻理解。英特尔认为,自 2022 年底 ChatGPT 火爆全球之后,算力需求暴涨的 AI 也成为了操作系统技术发展的强驱动。当前智能计算系统涉及多核 CPU、GPU、FPGA、专用 ASIC 等异构硬件加速技术,杨继国表示,其中最大的挑战是多台并行、高速连接,AI 开发者需要操作系统能够实现这些异构硬件的高效管理。而此前的技术因其复杂性、封闭性,使得开发者难以实现这一效果。此外,英特尔还开始着手对 OpenVINO 开源项目进行集成。OpenVINO 可以帮助开发人员加速各种深度学习模型的部署,并优化这些模型在英特尔硬件上的性能,包括 CPU、GPU、VPU(视觉处理单元)以及 FPGA 等。

智算时代,龙蜥社区将是高效合作平台

展望未来,杨继国认为,大模型技术和操作系统的深度融合是一个非常重要的方向,这种融合不仅能够为开发者和用户带来更智能的体验,也符合未来的 AI 技术潮流。在应用层面,AI 将走向个人化、专业化,因而下层的操作系统,将发挥两个重大作用,一是整合异构算力提供智能计算支持,二是提供更加统一开放的标准接口,甚至要覆盖云侧、端侧、边缘侧的 AI 应用。

基于此,在未来,英特尔将继续加强在龙蜥社区的投入,主要方向包括英特尔最新平台的适配和优化、AI 算力支持、AI 与安全技术结合以及其他 AI 相关的解决方案。


“开源技术、 AI 技术的发展非常快,龙蜥社区为开源技术、AI 技术提供了一个非常好的高效合作的平台。”杨继国总结说。


相约 2024 龙蜥操作系统大会

由中国计算机学会开源发展委员会、中关村科学城委员会、海淀区委网信办、中国开源软件推进联盟指导,龙蜥社区主办,阿里云、中兴通讯、Intel、浪潮信息、Arm等 24 家理事单位共同承办的 2024 龙蜥操作系统大会(OpenAnolis Conference)将于 8 月 30 日在北京·中关村国家自主创新示范区会议中心召开,汇聚超百位技术大咖和行业专家,聚焦 AI 时代机遇下操作系统产业的进化与重构,深度探讨龙蜥生态合作新模式、人才发展新路径以及技术创新最前沿。


作为理事单位,英特尔参与承办此次盛会,将结合去年大会经验及开源、AI 技术前沿,全面参与组织主论坛、分论坛和相关宣传、技术展示、社区动手实验等。杨继国透露,英特尔将携手社区合作伙伴带来最新的第六代至强平台技术、最佳实践,通用 CPU 模型推理、专业 AI 解决方案等 AI 创新,以及能源、金融等行业应用分享。感兴趣的朋友,欢迎提前报名参加!


报名链接:https://openanolis.cn/openanolisconference2024

相关文章
|
1天前
|
人工智能
AniDoc:蚂蚁集团开源 2D 动画上色 AI 模型,基于视频扩散模型自动将草图序列转换成彩色动画,保持动画的连贯性
AniDoc 是一款基于视频扩散模型的 2D 动画上色 AI 模型,能够自动将草图序列转换为彩色动画。该模型通过对应匹配技术和背景增强策略,实现了色彩和风格的准确传递,适用于动画制作、游戏开发和数字艺术创作等多个领域。
30 16
AniDoc:蚂蚁集团开源 2D 动画上色 AI 模型,基于视频扩散模型自动将草图序列转换成彩色动画,保持动画的连贯性
|
4天前
|
人工智能 数据可视化 JavaScript
NodeTool:AI 工作流可视化构建器,通过拖放节点设计复杂的工作流,集成 OpenAI 等多个平台
NodeTool 是一个开源的 AI 工作流可视化构建器,通过拖放节点的方式设计复杂的工作流,无需编码即可快速原型设计和测试。它支持本地 GPU 运行 AI 模型,并与 Hugging Face、OpenAI 等平台集成,提供模型访问能力。
43 14
NodeTool:AI 工作流可视化构建器,通过拖放节点设计复杂的工作流,集成 OpenAI 等多个平台
|
5天前
|
机器学习/深度学习 人工智能
Leffa:Meta AI 开源精确控制人物外观和姿势的图像生成框架,在生成穿着的同时保持人物特征
Leffa 是 Meta 开源的图像生成框架,通过引入流场学习在注意力机制中精确控制人物的外观和姿势。该框架不增加额外参数和推理成本,适用于多种扩散模型,展现了良好的模型无关性和泛化能力。
39 11
Leffa:Meta AI 开源精确控制人物外观和姿势的图像生成框架,在生成穿着的同时保持人物特征
|
10天前
|
人工智能 API 语音技术
TEN Agent:开源的实时多模态 AI 代理框架,支持语音、文本和图像的实时通信交互
TEN Agent 是一个开源的实时多模态 AI 代理框架,集成了 OpenAI Realtime API 和 RTC 技术,支持语音、文本和图像的多模态交互,具备实时通信、模块化设计和多语言支持等功能,适用于智能客服、实时语音助手等多种场景。
93 15
TEN Agent:开源的实时多模态 AI 代理框架,支持语音、文本和图像的实时通信交互
|
3天前
|
机器学习/深度学习 人工智能 算法
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
X-AnyLabeling是一款集成了多种深度学习算法的图像标注工具,支持图像和视频的多样化标注样式,适用于多种AI训练场景。本文将详细介绍X-AnyLabeling的功能、技术原理以及如何运行该工具。
23 2
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
|
10天前
|
数据采集 人工智能 编解码
书生·万象InternVL 2.5:上海 AI Lab 开源的多模态大语言模型,超越了目前许多商业模型
书生·万象InternVL 2.5是由上海AI实验室OpenGVLab团队推出的开源多模态大语言模型系列。该模型在多模态理解基准(MMMU)上表现优异,超越了许多商业模型,适用于图像和视频分析、视觉问答、文档理解和多语言处理等多个领域。
56 7
书生·万象InternVL 2.5:上海 AI Lab 开源的多模态大语言模型,超越了目前许多商业模型
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
MetaGPT开源SELA,用AI设计AI,效果超越OpenAI使用的AIDE
MetaGPT团队开源了Tree-Search Enhanced LLM Agents(SELA)系统,通过蒙特卡罗树搜索(MCTS)优化AutoML过程,显著提升了机器学习模型的构建效率和性能。SELA在20个数据集上的实验结果表明,其性能优于传统AutoML方法和基于LLM的代理,为AutoML领域带来了新的突破。
22 4
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
55 10
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
6天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
下一篇
DataWorks