亚洲精品久久久久久久久久久,亚洲国产精品一区二区制服,亚洲精品午夜精品,国产成人精品综合在线观看,最近2019中文字幕一页二页

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

北京擬對AI訓練所需的算力推行統籌供給

OSC開源社區(qū) ? 來源:OSC開源社區(qū) ? 2023-05-18 15:01 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

北京市發(fā)布了《北京市促進通用人工智能創(chuàng)新發(fā)展的若干措施(2023-2025 年)(征求意見稿)》,意見截止日期 19 日。

b1695708-f4d8-11ed-90ce-dac502259ad0.png

公告地址:https://www.beijing.gov.cn/hudong/gfxwjzj/zjxx/202305/t20230515_3103080.html

征求意見稿提出,“加強與頭部公有云廠商等市場主體合作,實施算力伙伴計劃,并確定首批伙伴計劃成員,明確供給技術標準、軟硬件服務要求、算力供給規(guī)模、優(yōu)惠策略等,向在京高校院所和中小企業(yè)公布一批優(yōu)質算力供應商。將新增算力建設項目納入算力伙伴計劃,加快推動海淀區(qū) “北京人工智能公共算力平臺”,朝陽區(qū) “北京數字經濟算力中心” 等項目建設,快速形成規(guī)?;冗M算力供給能力,支撐千億級參數量的大型語言模型、多模態(tài)大模型、大規(guī)模精細神經網絡模擬仿真模型、腦啟發(fā)神經網絡等研發(fā)。..”

《若干措施》針對加強算力資源統籌供給能力、提升高質量數據要素供給能力、系統布局大模型技術體系持續(xù)探索通用人工智能路徑、推動通用人工智能技術創(chuàng)新場景應用、探索營造包容審慎監(jiān)管環(huán)境五大方向,明確組織機制,提出 21 項具體措施。

一、加強算力資源統籌供給能力

(一)組織商業(yè)算力定向滿足本市緊迫需求

加強與頭部公有云廠商等市場主體合作,實施算力伙伴計劃,并確定首批伙伴計劃成員,明確供給技術標準、軟硬件服務要求、算力供給規(guī)模、優(yōu)惠策略等,向在京高校院所和中小企業(yè)公布一批優(yōu)質算力供應商。

(二)高效推動新增算力基礎設施建設

將新增算力建設項目納入算力伙伴計劃,加快推動海淀區(qū) “北京人工智能公共算力平臺”,朝陽區(qū) “北京數字經濟算力中心” 等項目建設,快速形成規(guī)?;冗M算力供給能力,支撐千億級參數量的大型語言模型、多模態(tài)大模型、大規(guī)模精細神經網絡模擬仿真模型、腦啟發(fā)神經網絡等研發(fā)。

(三)建設統一的多云算力調度平臺

利用政府統一入口,降低公有云采購成本,普惠中小企業(yè),同時減少企業(yè)分別面對不同云廠商的溝通成本。針對彈性算力需求,建設統一的多云算力調度平臺,實現異構算力環(huán)境統一管理、統一運營,方便企業(yè)在不同云環(huán)境上無縫、經濟、高效地運行各類人工智能計算任務。建設北京與河北、天津、山西、內蒙古等省(市)算力集群的直連基礎光傳輸網絡,進一步提升平臺對四地算力資源感知能力,探索開展算力交易。

二、提升高質量數據要素供給能力

(四)歸集高質量基礎訓練數據集

針對目前大模型訓練高質量中文語料占比過少,不利于中文語境表達及產業(yè)應用的問題,整合現有開源中文預訓練數據集和高質量互聯網中文數據并進行合規(guī)清洗。同時持續(xù)擴展高質量多模態(tài)數據來源,建設合規(guī)安全的中文、圖文對、音頻、視頻等大模型預訓練語料庫,通過北京國際大數據交易所社會數據專區(qū)進行定向有條件開放。

(五)打造 “國家數據基礎制度先行先試示范區(qū)”,謀劃國家級數據訓練基地

加快推動數據要素高水平開放的 “國家數據基礎制度先行先試示范區(qū)” 建設,爭創(chuàng)國家級數據訓練基地,提升北京人工智能數據標注庫規(guī)模和質量。倡議高質量數據網站所屬企業(yè)提供部分脫敏高質量數據,進行定向有條件開放,企業(yè)或科研機構通過在線申請進行有償使用,并探索基于數據貢獻、模型應用的商業(yè)化場景合作。

(六)搭建數據集精細化標注眾包服務平臺

建設指令數據集及多模態(tài)數據集眾包服務平臺,開發(fā)集成相關工具應用的智能云服務系統,鼓勵并組織來自不同學科的專業(yè)人員標注通用人工智能模型訓練數據及指令數據,提高訓練數據的多樣性,給予貢獻者適當獎勵,推動平臺持續(xù)良性發(fā)展。

三、系統布局大模型技術體系,持續(xù)探索通用人工智能路徑

(七)開展大模型創(chuàng)新算法及關鍵技術研究

圍繞大型語言模型構建、訓練、調優(yōu)對齊、推理部署等全流程,支持開展創(chuàng)新算法及核心技術研究,形成完整高效的訓練體系并對外開源。探索多模態(tài)通用模型架構,研究大模型高效并行訓練技術,以及邏輯和知識推理、指令學習、人類意圖對齊等調優(yōu)方法,研發(fā)支持百億參數模型推理的高效壓縮技術。

(八)加強大模型訓練數據采集及治理工具研發(fā)

從 “采、存、管、研、用” 五個方面,研發(fā)包含數據采集、清洗、標注、脫敏、存儲等功能在內的數據處理工具。重點研究互聯網數據全量實時更新技術,多源異構數據整合與分類方法,數據管理平臺相關系統,數據清洗、標注、分類、注釋等軟件工具及算法,數據內容安全審查算法及工具等。

(九)開放大模型評測基準及工具

構建多模態(tài)多維度的基礎模型評測基準及評測方法。建立基礎模型評測工具集,提供適應性的工具進行評測。建立公平高效的自適應評測機制,根據評測目標的不同,自動適配不同的工具和指標。研究人工智能輔助的智能模型評測算法,面向主觀型或生成式的任務,構建自動化評估工具。集成包括通用性、高效性、智能性、魯棒性在內的多維度評測工具,構建基礎模型線上評測服務平臺。

(十)推動大模型基礎軟硬件體系研發(fā)

支持研發(fā)分布式高效訓練系統,實現模型訓練任務高效自動并行。研發(fā)適用于模型訓練場景的新一代人工智能編譯器,實現算子自動生成和自動優(yōu)化,推動人工智能芯片與框架的廣泛適配。研發(fā)人工智能芯片評測系統,實現多芯片多框架的自動化評測。為大模型訓練和應用提供自主創(chuàng)新的基礎軟硬件生態(tài)底座。

(十一)探索具身智能、通用智能體和類腦智能等通用人工智能新路徑

發(fā)展面向通用人工智能的基礎理論框架體系,加強人工智能數學機理、自主協同與決策等基礎理論研究。推動具身智能系統研究及應用,突破機器人在開放環(huán)境、泛化場景、連續(xù)任務等復雜條件下的感知、認知、決策技術。探索價值與因果驅動的通用人工智能新路徑研究,打造通用人工智能統一理論框架體系、評級標準及測試平臺,研發(fā)通用人工智能操作系統編程語言,推動通用智能體底層技術架構應用。探索類腦智能等交叉學科研究,通過大腦神經元連接模式、編碼機制、信息處理原理研究,啟發(fā)新型人工神經網絡模型建模和訓練方法。

四、推動通用人工智能技術創(chuàng)新場景應用

(十二)推動在政務服務領域率先試點應用

圍繞政務咨詢、政策服務、接訴即辦、政務辦事等工作,率先實現大模型技術賦能。借助大模型語義理解、自主學習和智能推理等能力,提高政務咨詢系統智能問答水平,增強多語種交互能力。支撐 “京策” 平臺建設,優(yōu)化政策規(guī)范管理和精準服務。輔助市民服務熱線更高效回應市民訴求,深化民生大數據高效利用。提升辦事服務便利度,輔助引導辦事人員表單填寫,輔助綜合窗口人員更精準提供辦事指引,輔助審批人員提高審批效率,推進業(yè)務數據更充分共享、業(yè)務流程更高效協同。

(十三)探索在醫(yī)療領域示范應用

支持我市有條件的研究型醫(yī)療機構提煉智能導診、輔助診斷、智能治療等場景需求,充分挖掘醫(yī)學文獻、醫(yī)學知識圖譜、醫(yī)學影像等多模態(tài)醫(yī)療數據,構建基于醫(yī)療領域通用數據與專業(yè)數據的智能應用,實現對各種疾病和癥狀的準確識別和預測,輔助醫(yī)療機構提高疾病診斷、治療和預防的決策水平。

(十四)探索在科學研究領域示范應用

發(fā)展科學智能,加速人工智能技術賦能新材料和創(chuàng)新藥物領域科學研究。支持我市能源、材料、生物領域相關實驗室設立科研合作專項,與我市相關科研機構和創(chuàng)新企業(yè)開展聯合研發(fā),充分挖掘材料、蛋白質和分子藥物領域實驗數據,研發(fā)科學計算模型,開展新型合金材料、蛋白質序列和創(chuàng)新藥物化學結構序列預測,縮短科研實驗周期。

(十五)推動在金融領域示范應用

進一步挖掘我市金融行業(yè)應用場景,系統布局一批金融機構場景開放 “揭榜掛帥” 項目。支持金融科技企業(yè)針對金融場景中信息負載高,信息更新快,金融從業(yè)者難以快速全面的獲取準確信息的問題,探索面向金融文本深度理解和分析的人工智能技術應用。聚焦智能風控、智能投顧、智能客服等環(huán)節(jié),推動實現金融專業(yè)長文本的精準解析和模型知識的更新,突破復雜決策邏輯與模型信息處理能力間的融合技術,實現從復雜金融信息處理到投資決策建議的轉化,支撐金融領域的投資輔助決策。

(十六)探索在自動駕駛領域示范應用

支持自動駕駛企業(yè)研發(fā)多模態(tài)自動駕駛技術,發(fā)揮大型語言模型高維語義理解和泛化優(yōu)勢,基于車路協同數據和車輛行駛多傳感器融合數據,提高自動駕駛模型多維感知和預測性能,有效解決復雜場景長尾問題,輔助提高車載自動駕駛模型泛化能力。支持在北京市高級別自動駕駛示范區(qū) 3.0 建設中,構建車路協同數據庫,引導企業(yè)開展基于真實場景的自動駕駛模型訓練迭代。探索基于低時延通訊的云控自動駕駛模型測試,發(fā)展自動駕駛新技術路徑。

(十七)推動在城市治理領域示范應用

支持人工智能研發(fā)企業(yè)結合智慧城市建設場景需求,率先在城市大腦建設中引進大模型技術,開展多感知系統融合處理技術研發(fā),打破城市治理中各系統數據孤島,實現智慧城市底層業(yè)務的統一感知、關聯分析和態(tài)勢預測,科學調配政府資源和行政力量,為城市治理提供更加綜合全面的輔助決策能力。

五、探索營造包容審慎的監(jiān)管環(huán)境

(十八)持續(xù)推動監(jiān)管政策和監(jiān)管流程創(chuàng)新

探索營造穩(wěn)定包容的監(jiān)管環(huán)境,積極推動人工智能領域新技術賦能傳統行業(yè)的包容審慎監(jiān)管,支持人工智能算法、框架等基礎技術的自主創(chuàng)新、推廣應用、國際合作。鼓勵優(yōu)先采用安全可信的軟件、工具、計算和數據資源,通過改進算法等技術手段,確保訓練數據集的規(guī)范性。鼓勵生成式人工智能產品在科研等非面向公眾服務領域實現向上向善應用。積極向國家網信部門爭取,在中關村核心區(qū)建立先行先試,推動實行包容審慎監(jiān)管試點。

(十九)建立常態(tài)化服務和指導機制

做好對擬面向公眾提供服務的生成式人工智能產品的安全評估工作,建立常態(tài)化聯系服務和指導機制,督促企業(yè)遵守法律法規(guī)要求,尊重社會公德、公序良俗。優(yōu)化安全評估流程機制,細化對大模型算法設計、訓練數據源篩選、內容安全性、人工標注規(guī)則的審核評估標準,開展精準化服務指導,加快推進我市人工智能企業(yè)相關技術產品的安全評估工作。指導企業(yè)建立健全算法安全防范機制,在產品研發(fā)階段引入技術工具進行安全檢測,督促企業(yè)積極履行算法備案和變更、注銷備案手續(xù)。發(fā)布《北京市互聯網信息服務算法推薦合規(guī)指引》,引導創(chuàng)新主體樹立安全責任意識,健全管理制度、強化技術手段、促進企業(yè)算法合規(guī)發(fā)展。

(二十)加強網絡服務安全防護和個人數據保護

指導算力運營主體落實《網絡安全法》《數據安全法》《個人信息保護法》等法律規(guī)定,加強網絡和數據安全管理,明確網絡安全、數據安全和個人信息保護主體責任,強化安全管理制度建設和工作落實,鼓勵企業(yè)開展數據安全管理認證及個人信息保護認證,落實數據跨境傳輸安全管理制度,全面提升網絡安全和數據安全防護能力。

(二十一)持續(xù)提升人工智能產業(yè)倫理治理自律自治能力

落實國家新一代人工智能創(chuàng)新發(fā)展試驗區(qū)建設任務,加強人工智能倫理安全規(guī)范及社會治理實踐研究,研發(fā)并部署人工智能倫理治理公共服務平臺,服務政府監(jiān)管與產業(yè)自律自治,強化相關責任主體科技倫理規(guī)范意識,提升科技倫理治理能力。

審核編輯 :李倩

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯系本站處理。 舉報投訴
  • 人工智能
    +關注

    關注

    1813

    文章

    49593

    瀏覽量

    259964
  • 數據集
    +關注

    關注

    4

    文章

    1229

    瀏覽量

    25998
  • 算力
    +關注

    關注

    2

    文章

    1350

    瀏覽量

    16516

原文標題:北京擬對AI訓練所需的算力推行統籌供給

文章出處:【微信號:OSC開源社區(qū),微信公眾號:OSC開源社區(qū)】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    國產AI芯片真能扛住“力內卷”?海思昇騰的這波操作藏了多少細節(jié)?

    最近行業(yè)都在說“力是AI的命門”,但國產芯片真的能接住這波需求嗎? 前陣子接觸到海思昇騰910B,實測下來有點超出預期——7nm工藝下力直接拉到256 TFLOPS,比上一代提升了40%,但功耗
    發(fā)表于 10-27 13:12

    力與電力的終極博弈,填上了AIDC的“電力黑洞”

    ),專注于提供人工智能訓練與推理所需力服務、數據服務和算法服務。AIDC采用異構計算架構,結合GPU、FPGA、ASIC等多種AI加速芯片,形成高并發(fā)分布式系統,以滿足大模型
    的頭像 發(fā)表于 09-22 02:43 ?7109次閱讀

    什么是AI力模組?

    未來,騰視科技將繼續(xù)深耕AI力模組領域,全力推AI邊緣計算行業(yè)的深度發(fā)展。隨著AI技術的不斷演進和物聯網應用的持續(xù)拓展,騰視科技的
    的頭像 發(fā)表于 09-19 15:26 ?1026次閱讀
    什么是<b class='flag-5'>AI</b><b class='flag-5'>算</b>力模組?

    什么是AI力模組?

    未來,騰視科技將繼續(xù)深耕AI力模組領域,全力推AI邊緣計算行業(yè)的深度發(fā)展。隨著AI技術的不斷演進和物聯網應用的持續(xù)拓展,騰視科技的
    的頭像 發(fā)表于 09-19 15:25 ?317次閱讀
    什么是<b class='flag-5'>AI</b><b class='flag-5'>算</b>力模組?

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+AI的未來:提升力還是智力

    持續(xù)發(fā)展體現在: 1、收益遞減 大模型的基礎的需要極大的力,這首先源于昂貴的高性能AI芯片,然后是寶貴的電力、水等與環(huán)境相關的資源。 收益遞減體現在: ①模型大小 ②訓練數據量 ③訓練
    發(fā)表于 09-14 14:04

    ai_cube訓練模型最后部署失敗是什么原因?

    ai_cube訓練模型最后部署失敗是什么原因?文件保存路徑里也沒有中文 查看AICube/AI_Cube.log,看看報什么錯?
    發(fā)表于 07-30 08:15

    力網絡的“神經突觸”:AI互聯技術如何重構分布式訓練范式

    ? 電子發(fā)燒友網綜合報道 隨著AI技術迅猛發(fā)展,尤其是大型語言模型的興起,對于力的需求呈現出爆炸性增長。這不僅推動了智中心的建設,還對網絡互聯技術提出了新的挑戰(zhàn)。 ? 在AI大模型
    的頭像 發(fā)表于 06-08 08:11 ?6915次閱讀
    <b class='flag-5'>算</b>力網絡的“神經突觸”:<b class='flag-5'>AI</b>互聯技術如何重構分布式<b class='flag-5'>訓練</b>范式

    海思SD3403邊緣計算AI數據訓練概述

    AI數據訓練:基于用戶特定應用場景,用戶采集照片或視頻,通過AI數據訓練工程師**(用戶公司****員工)** ,進行特征標定后,將標定好的訓練
    發(fā)表于 04-28 11:11

    AI原生架構升級:RAKsmart服務器在超大規(guī)模模型訓練中的力突破

    近年來,隨著千億級參數模型的崛起,AI訓練力的需求呈現指數級增長。傳統服務器架構在應對分布式訓練、高并發(fā)計算和顯存優(yōu)化等場景時逐漸顯露瓶頸。而RAKsmart為超大規(guī)模模型
    的頭像 發(fā)表于 04-24 09:27 ?531次閱讀

    如何高效訓練AI模型?這些常用工具你必須知道!

    大模型的發(fā)展同樣面臨瓶頸,訓練所需的硬件資源日益增加,比如英偉達的芯片、電力等(這也可能是ChatGPT5遲遲沒有出來的原因)。業(yè)界有觀點認為,在大多數情況下,并不需要全能的大模型,而是更適合專注于
    的頭像 發(fā)表于 04-17 16:43 ?2239次閱讀
    如何高效<b class='flag-5'>訓練</b><b class='flag-5'>AI</b>模型?這些常用工具你必須知道!

    RAKsmart智能力架構:異構計算+低時延網絡驅動企業(yè)AI訓練范式升級

    AI大模型參數量突破萬億、多模態(tài)應用爆發(fā)的今天,企業(yè)AI訓練正面臨力效率與成本的雙重挑戰(zhàn)。RAKsmart推出的智能力架構,以異構計算
    的頭像 發(fā)表于 04-17 09:29 ?532次閱讀

    DeepSeek推動AI力需求:800G光模塊的關鍵作用

    隨著人工智能技術的飛速發(fā)展,AI力需求正以前所未有的速度增長。DeepSeek等大模型的訓練與推理任務對力的需求持續(xù)攀升,直接推動了服務器、光通信設備以及數據中心基礎設施的升級。特
    發(fā)表于 03-25 12:00

    訓練好的ai模型導入cubemx不成功怎么處理?

    訓練好的ai模型導入cubemx不成功咋辦,試了好幾個模型壓縮了也不行,ram占用過大,有無解決方案?
    發(fā)表于 03-11 07:18

    信而泰CCL仿真:解鎖AI力極限,智中心網絡性能躍升之道

    引言 隨著AI大模型訓練和推理需求的爆發(fā)式增長,智中心網絡的高效性與穩(wěn)定性成為決定AI產業(yè)發(fā)展的核心要素。信而泰憑借自主研發(fā)的 CCL(集合通信庫)評估工具 與 DarYu-X系列測
    的頭像 發(fā)表于 02-24 17:34 ?874次閱讀
    信而泰CCL仿真:解鎖<b class='flag-5'>AI</b><b class='flag-5'>算</b>力極限,智<b class='flag-5'>算</b>中心網絡性能躍升之道

    企業(yè)AI力租賃是什么

    企業(yè)AI力租賃是指企業(yè)通過互聯網向專業(yè)的力提供商租用所需的計算資源,以滿足其AI應用的需求。以下是對企業(yè)
    的頭像 發(fā)表于 11-14 09:30 ?2809次閱讀