把握AI风口 联想让计算更智慧

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

2017年7月20日,2017联想ThinkSystem & ThinkAgile发布会暨TechWorld'17商用分会在上海世博中心隆重召开,大会以"让计算更智慧"为主题,为来宾展示了AI时代的行业变革趋势以及联想在人工智能技术和智慧计算上的积极创新与宏伟蓝图。大会上,联想数据中心集团(DCG)发布了全新的ThinkSystem数据中心基础设施和解决方案产品组合以及ThinkAgile软件定义的解决方案,双品牌合力覆盖传统企业及超大规模数据中心类客户,为客户的智慧化转型提供强有力的基础支持。

独立经济学家、经济学博士、产业经济学博士后、民建中央经济委员会副主任马光远,联想集团执行副总裁、数据中心业务集团总裁Kirk Skaugen,联想集团高级副总裁、数据中心业务集团中国区总裁童夫尧,联想集团副总裁、数据中心业务集团超大数据中心业务业务总经理朱培兰,联想集团数据中心业务集团中国区销售副总裁李国庆、以及联想集团数据中心业务集团中国区首席架构师毕巍等出席了大会并做了精彩发言。

第四次工业革命悄然来袭 企业智慧化转型势不可挡

人类历史上所经历的三次工业革命都是由技术推动的,而如今,以人工智能驱动的智慧化变革正在引发第四次工业革命,这将彻底改变人们的工作生活方式乃至整个社会。在智能互联网时代,人工智能即将把人类带入一个生活丰富多彩、工作高效有序的新世界。

为了迎接即将到来的变革,联想集团执行副总裁、数据中心业务集团总裁Kirk Skaugen表示:联想将通过客户体验变革、数据中心变革、联想自身变革,服务于全球客户,成为最值得信赖的数据中心合作伙伴,助力客户创新转型。

把握AI风口 联想让计算更智慧

会上著名经济学家马光远从中国经济发展的整体趋势进行了剖析,他表示:当前数字化将是本次科技革命的最本质特征,大数据则成为新经济时代工业的"石油"。未来拉动中国经济的将会有三股力量:一是改革红利,二是消费红利,三是创新红利。新制造、新产业、新动能、新消费、新投资等方面将成为中国经济发展的新方位,下一个全球经济的风口仍在中国。

目前,传统行业与互联网新兴行业均处在融合创新阶段,"泛数字化"是行业发展的潮流。而在大数据、云计算、移动互联网技术的推动下,企业将得以由"泛数字化"向"智慧化"转型,通过实现智慧化应用、智慧化平台、智慧化互联、智慧化计算,塑造企业顶层应用设计、平台构建、互联互通以及计算能力的全维度"智慧化"能力。其中,以深度学习为代表的人工智能技术提供了支撑创新应用,实现业务洞察的强大计算力,这即是智慧计算。

联想以智慧能力助力行业智慧化转型

为了帮助企业成功地实现智慧化转型,联想数据中心集团战略性地提出了"ABCD模型",即人工智能算法(Algorithm)、企业业务需求(Business Need)、智慧型计算力(Computing Power)、数据运用能力(Data)。

在算法层面,联想除了提供基于联想AI平台的通用人工智能算法之外,还针对不同行业在各自领域开展AI创新应用的不同需求,提供了具备不同业务场景特点的AI算法,包括生物识别算法、调度算法、无人仓路径规划算法等。

在行业层面,联想针对企业现有业务与数字化转型诉求的分析,提供符合"稳态业务、敏态业务"兼顾的IT咨询服务,同时还针对制造、教育、智慧城市等重点行业提供了"双态IT"行业解决方案。

在计算力层面,联想基于双态IT理念提供了满足不同业务发展阶段、不同创新诉求的产品线,其中包括面向稳态业务的ThinkSystem产品线,和面向互联网业务的ThinkAgile产品线及解决方案。

在数据层面,数据作为当今企业最为重要的无形资产,联想致力于为企业提供数据全生命周期解决方案,包括LeoStor的分布式存储,便于数据的存储、检索。

此外,联想借助HPC+AI智能超算平台LiCO及企业级大数据平台LEAP,在智能制造、智慧医疗、智慧城市、智慧农业建设等领域持续深耕市场,帮助企业获得"智慧化"业务成果,同时也积累了丰富的行业实践经验。

联想集团高级副总裁、数据中心业务集团中国区总裁童夫尧表示:通过设备端的智慧化互联,新型的IT基础架构ThinkSystem、ThinkAgile,AI平台、LEAP大数据分析平台,以及针对不同行业需求的智慧化解决方案,联想将为行业客户构建起一个全维度的智慧化转型框架,从而最终确保企业智慧化转型的成功。未来,联想将继续发挥自身在产品和解决方案的创新能力,联合AI生态圈的合作伙伴为客户打造更多的智慧型应用,用"智慧计算"开启AI发展的新征途。

把握AI风口 联想让计算更智慧

联想ThinkSystem & ThinkAgile强势出击 智慧计算创造企业AI未来

为了帮助企业更好地拥抱AI时代的机遇与变革,联想数据中心集团发布了全新的IT基础设施产品--ThinkSystem数据中心基础设施和解决方案产品组合以及ThinkAgile软件定义的解决方案,满足不同类型客户对于计算力的不同需求,从而为企业智慧化转型提供可靠的基础技术支撑。此外,随着新品牌的正式亮相,ThinkSystem也发布了一系列新品,其中包括14款服务器平台、7款存储产品、5款网络产品。ThinkAgile也发布了HX系列,SX for Nutanix,SX for Microsoft Azure Stack软件定义基础架构解决方案家族。

把握AI风口 联想让计算更智慧

ThinkSystem系列是一个涵盖了服务器、存储和网络系统的完整解决方案,能实现端到端的客户体验,完美结合了优异性能、灵活性和可靠性等特性,给传统企业注入发展活力。它建立了逾30项全球基准,无论是大型数据分析应用、高性能计算,还是超大规模应用或人工智能,ThinkSystem都能帮助人们解决最复杂的挑战。业界最高的灵活性令ThinkSystem能满足服务交付需求,海量存储能力甚至媲美公有云。同时,ThinkSystem能在云环境中运行更大规模的,要求更苛刻的工作负载,也可运行从传统架构迁移过来的应用。产品的高可靠性能降低企业的运营成本,进而增加业务收入。

ThinkAgile解决方案基于稳固的Lenovo ThinkSystem平台,是为混合云、超融合基础设施、软件定义的存储以及软件定义的基础设施而设计的,实现了基础设施和应用的无缝集成,这使得设备安装及投入使用的时间较传统方式突破性地提高了80%,采用新技术的业务风险显著下降。另外,ThinkAgile的总体拥有成本较业界同类产品减少33%,与传统产品相比,能帮助企业节省23%的运营成本。同时,产品交付能力也提高了3倍,这让联想能真正为客户提供端到端的解决方案,令互联网企业无忧拥抱AI时代。


原文发布时间为:2017年7月21日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
存储 人工智能 算法
【AI系统】计算与调度
本文探讨了计算与调度的概念,特别是在神经网络和图像处理中的应用。通过分离算法定义和计算组织,Halide 等工具能够显著提升图像处理程序的性能,同时保持代码的简洁性和可维护性。文章详细介绍了计算与调度的基本概念、调度树的构建与约束,以及如何通过调度变换优化计算性能。此外,还讨论了自动调优方法在大规模调度空间中的应用,展示了如何通过探索和预测找到最优的调度方案。
42 0
|
28天前
|
存储 人工智能 算法
【AI系统】计算图的优化策略
本文深入探讨了计算图的优化策略,包括算子替换、数据类型转换、存储优化等,旨在提升模型性能和资源利用效率。特别介绍了Flash Attention算法,通过分块计算和重算策略优化Transformer模型的注意力机制,显著减少了内存访问次数,提升了计算效率。此外,文章还讨论了内存优化技术,如Inplace operation和Memory sharing,进一步减少内存消耗,提高计算性能。
96 34
【AI系统】计算图的优化策略
|
24天前
|
人工智能 缓存 并行计算
转载:【AI系统】CPU 计算本质
本文深入探讨了CPU计算性能,分析了算力敏感度及技术趋势对CPU性能的影响。文章通过具体数据和实例,讲解了CPU算力的计算方法、算力与数据加载之间的平衡,以及如何通过算力敏感度分析优化计算系统性能。同时,文章还考察了服务器、GPU和超级计算机等平台的性能发展,揭示了这些变化如何塑造我们对CPU性能的理解和期待。
转载:【AI系统】CPU 计算本质
|
24天前
|
机器学习/深度学习 存储 人工智能
转载:【AI系统】计算之比特位宽
本文详细介绍了深度学习中模型量化操作及其重要性,重点探讨了比特位宽的概念,包括整数和浮点数的表示方法。文章还分析了不同数据类型(如FP32、FP16、BF16、FP8等)在AI模型中的应用,特别是FP8数据类型在提升计算性能和降低内存占用方面的优势。最后,文章讨论了降低比特位宽对AI芯片性能的影响,强调了在不同应用场景中选择合适数据类型的重要性。
转载:【AI系统】计算之比特位宽
|
3天前
|
存储 人工智能 运维
面向AI的服务器计算软硬件架构实践和创新
阿里云在新一代通用计算服务器设计中,针对处理器核心数迅速增长(2024年超100核)、超多核心带来的业务和硬件挑战、网络IO与CPU性能增速不匹配、服务器物理机型复杂等问题,推出了磐久F系列通用计算服务器。该系列服务器采用单路设计减少爆炸半径,优化散热支持600瓦TDP,并实现CIPU节点比例灵活配比及部件模块化可插拔设计,提升运维效率和客户响应速度。此外,还介绍了面向AI的服务器架构挑战与软硬件结合创新,包括内存墙问题、板级工程能力挑战以及AI Infra 2.0服务器的开放架构特点。最后,探讨了大模型高效推理中的显存优化和量化压缩技术,旨在降低部署成本并提高系统效率。
|
3天前
|
存储 人工智能 芯片
面向AI的服务器计算互连的创新探索
面向AI的服务器计算互连创新探索主要涵盖三个方向:Scale UP互连、AI高性能网卡及CIPU技术。Scale UP互连通过ALink系统实现极致性能,支持大规模模型训练,满足智算集群需求。AI高性能网卡针对大规模GPU通信和存储挑战,自研EIC网卡提供400G带宽和RDMA卸载加速,优化网络传输。CIPU作为云基础设施核心,支持虚拟化、存储与网络资源池化,提升资源利用率和稳定性,未来将扩展至2*800G带宽,全面覆盖阿里云业务需求。这些技术共同推动了AI计算的高效互联与性能突破。
|
27天前
|
机器学习/深度学习 人工智能 PyTorch
【AI系统】计算图原理
本文介绍了AI框架中使用计算图来抽象神经网络计算的必要性和优势,探讨了计算图的基本构成,包括标量、向量、矩阵、张量等数据结构及其操作,并详细解释了计算图如何帮助解决AI工程化中的挑战。此外,文章还通过PyTorch实例展示了动态计算图的特点和实现方法,包括节点(张量或函数)和边(依赖关系)的定义,以及如何通过自定义Function实现正向和反向传播逻辑。
69 7
【AI系统】计算图原理
|
27天前
|
机器学习/深度学习 人工智能 前端开发
【AI系统】计算图的控制流实现
计算图作为有向无环图(DAG),能够抽象神经网络模型,但在编程中遇到控制流语句(如if、else、while、for)时,如何表示成为难题。引入控制流后,开发者可构建更复杂的模型结构,但部署含控制流的模型至不支持Python的设备上较为困难。目前,PyTorch仅支持Python控制流,而TensorFlow通过引入控制流原语来解决此问题。计算图的动态与静态实现各有优劣,动态图易于调试,静态图利于优化。
44 5
【AI系统】计算图的控制流实现
|
27天前
|
机器学习/深度学习 存储 人工智能
【AI系统】计算图与自动微分
自动求导利用链式法则计算雅可比矩阵,从结果节点逆向追溯计算路径,适用于神经网络训练中损失值对网络参数的梯度计算。AI框架中,自动微分与反向传播紧密相连,通过构建计算图实现高效梯度计算,支持动态和静态计算图两种模式。动态图如PyTorch,适合灵活调试;静态图如TensorFlow,利于性能优化。
61 6
【AI系统】计算图与自动微分
|
27天前
|
机器学习/深度学习 人工智能 算法
【AI系统】计算图挑战与未来
当前主流AI框架采用计算图抽象神经网络计算,以张量和算子为核心元素,有效表达模型计算逻辑。计算图不仅简化数据流动,支持内存优化和算子调度,还促进了自动微分功能的实现,区分静态图和动态图两种形式。未来,计算图将在图神经网络、大数据融合、推理部署及科学计算等领域持续演进,适应更复杂的计算需求。
56 5
【AI系统】计算图挑战与未来