您当前的位置：首页 > 医药健康

以智赋能加"数"发展：浪潮信息亮相数字中国建设峰会

2024-06-02 08:00:36

北京2024年5月27日 /美通社/ -- 5月24日至25日，第七届数字中国建设峰会在福州举办。本次峰会由国家发改委、国家数据局、国家网信办、科技部、国务院国资委、福建省人民政府共同主办，是国家大数据局成立、《"数据要素×"三年行动计划》发布后首次举办的数字中国建设峰会。峰会的主题是"释放数据要素价值，发展新质生产力"。浪潮信息亮相数字中国建设峰会，全面展示了领先的全栈智算产品、解决方案及应用实践，助力数字中国建设和"AI+"落地。

用"AI+"促进"数据要素×"

数据作为新型生产要素，是数字化、网络化、智能化的重要基础，国家和地方相关政策中不断强调要发挥数据要素价值，而释放数据要素价值，离不开算力、算法的加持。浪潮信息作为数字中国建设的参与者、实践者，秉承"计算力就是生产力，智算力就是创新力"理念，通过提供高效的算力、算法和数据基础设施，助推AI+落地、促进数据要素价值释放，已经打造了众多实践案例。

在材料研发领域，传统的新材料研发是"试错式"方式，需要反复实验，材料研发效率低，研发周期需要10~20年；随着AI应用于材料研发，革新了材料研发新范式。如北京材料基因工程高精尖创新中心联合浪潮信息，基于AI算力，通过数智融合加速材料研发，实现了材料研发从"实验范式"到 "数据范式"的跃升，大幅提升研发效率，研发周期缩短至3~5年甚至更短。

在医学影像领域，AI可以通过对大量医学影像数据的分析和学习，帮助医生快速进行疾病的诊断和预测。如对于脑卒中患者而言，时间就是生命，大脑救治每延误一分钟，就会有190万个脑细胞受损。浪潮信息携手吉林大学第一医院，用算力支撑人工智能技术应用于医学影像识别，辅助医生 3 分钟内完成影像数据分析，帮助病患赢得最佳救治时间。

在文化出版领域，很多古籍由于年代久远、水解、氧化、微生物降解等原因，难完整保留下来，科研人员需要对其进行更大规模的提取，以获得更多的有效数据。过去科研人员通常使用台式机和普通的服务器进行数据分析，单次处理的古籍数量非常有限。如今，上海古籍出版社基于浪潮信息提供的AI计算，加速了古籍采集和分析，最大限度地提高了古籍提取的精准性、提升了古籍使用效率。

在智能客服领域，浪潮信息将"源"大模型与复杂的服务场景深度融合，打造了专家级数据中心智能客服大脑"源晓服"，可覆盖终端用户92%的咨询问题，将复杂技术咨询的业务处理时长降低65%，整体服务效率达160%。

浪潮信息董事长彭震认为，当前，以算法、算力驱动的AI技术，成为释放数据价值的新质生产力。AI驱动了生产力要素的创新性配置，使得劳动者变成了"人+人工智能"，生产资料从传统意义上的有形要素改变成了无形的数据，劳动工具发生了巨大变化，从机械到智能。而随着大模型的落地应用，与各领域各场景深度融合，将迸发出巨大的生产力，更高效释放数据价值，加速各个领域发挥数据要素的乘数效应。

用系统思维发展智能计算

当前，AI还处于爆发的前夜，大模型在行业中的应用才刚刚开始。我国拥有庞大的市场和丰富的应用场景，AI的发展和应用空间非常广阔，如果能够结合我们的应用优势，AI会更有用武之地，可以成为驱动各行各业创新发展的新质生产力。

在彭震看来，应用是中国发展AI的机会。今年国家首次提出开展“人工智能+”行动，已传递出国家积极推动AI向各行业各领域应用落地、把AI打造成产业变革新质生产力的积极信号。

浪潮信息在近期召开的IPF2024(浪潮信息生态伙伴大会)上，提出了发展AI要"以应用为导向、以系统为核心"，通过算力，算法和数据全局优化，提升智算系统的性能和效率，促进"AI+"落地。

以前，计算技术进步一直依靠芯片创新，但是随着摩尔定律进入瓶颈，单芯片性能发展受限，为了满足AI对于算力的追求，计算机系统集成了越来越多的芯片，为此也面临着互联、散热、整体优化等众多需要在系统层面解决的技术挑战，尤其在如今的大模型时代，万卡集群成为AI算力系统的设计起点，集群的效率变得越来越重要，使得系统逐步替代芯片成为技术创新的核心。

实际上，从2017年Transformer架构诞生至今，按照摩尔定律推算，芯片性能只提升8倍， AI计算的性能提升却超过1000倍，主要得益于系统创新。而系统创新涉及方方面面，例如算法精度、计算架构、系统互连等。

用系统思维发展智算方面，浪潮信息已经进行了大量技术创新和应用实践，推出了融合架构、一云多芯、液冷和超级AI以太网等创新技术，系统性推进智算技术创新，实现全局优化，把算力充分释放出来，加速AI应用落地。具体包括通过硬件重构、软件定义，实现资源全面池化和资源弹性调度，满足多场景应用的计算资源需求；通过超级AI以太网，加速AI大模型训练推理；通过算法的不断创新和液冷技术创新，满足大规模AI集群建设要求等等。