AI大模型时代,算力景气度持续走强

简介: 当前,AI技术爆发,算力作为AI发展的重要“底座”,已成为业界关注的重要议题。11月29日,以“智算力就是创新力”为主题的2023人工智能计算大会AICC在北京举行。大会围绕智算基础设施、生成式AI与大模型技术、产业数智转型等话题展开热议。

当前,AI技术爆发,算力作为AI发展的重要“底座”,已成为业界关注的重要议题。11月29日,以“智算力就是创新力”为主题的2023人工智能计算大会AICC在北京举行。大会围绕智算基础设施、生成式AI与大模型技术、产业数智转型等话题展开热议。

今年以来, AI技术带动大模型发展热潮兴起,而后者所需的开发、训练、部署、推理推动了算力需求呈指数级的爆发,点燃了市场对算力产业链的投资热情。能够提供算力基础设施服务的“卖铲人”企业,无疑将享受这一轮AI算力爆发的红利。

AI汹涌,算力先行

在AI发展浪潮下,算力相关产业链正成为二级市场上受人追捧的“香饽饽”。民生证券研报指出,AI发展下算力产业发展迎来重大机遇,是AI大潮下确定性最高的细分领域之一。wind数据也显示,今年大涨的板块中,多数与算力产业相关,根据Wind数据,从年初至11月29日收盘,AI算力指数上涨近63%,东数西算指数上涨56%,AIGC指数上涨54%,服务器指数上涨54%,多个算力板块显著跑赢大盘。

算力板块持续走高背后,是AI应用加速落地过程中,行业“大模型时代”,推动算力需求的爆发式增长。从年初至今,以AI技术驱动的聊天机器人问世,推动AIGC应用的繁荣,作为底层架构的大模型产业,也迎来了爆发式增长。西南证券研报指出,大模型的发展离不开算力的支撑,目前先进模型的参数量和复杂程度正呈现指数级的增长趋势,AI算力已成为驱动人工智能发展的核心动力。

算力需求的爆发,为算力供给厂商带来了发展机会。国盛证券研报认为,AI应用快速迭代成长,算力需求并未见顶,供应侧利好频出,新兴业务蓬勃发展,当下应积极关注算力板块后续发展。这也意味着,提供芯片、AI服务器、存储器、交换机等算力基础软硬件设备的厂商有望迎来增长机会。

数据显示,服务器作为算力输出重要载体,在算力需求拉动下增长强劲。根据IDC数据,2023年上半年,中国AI服务器市场规模达到30亿美元,同比增长55.4%,环比增长54.1%,预计2027年中国AI加速服务器将达到134亿美元,五年年复合增长率达21.8%。

联想集团作为全球领先的服务器提供商,在服务器市场极具竞争力。资料显示,截至今年11月16日,联想服务器共斩获506项性能测试世界纪录,这些世界纪录涉及高性能计算、人工智能、数据分析、JAVA应用、算力、能效、事务处理、SAP销售和分销(SAP SD)基准测试、基础架构虚拟化等领域。通过极致性能的服务器产品,联想集团致力于为企业提供强大的算力保障。

特别是,针对AI算力需求,联想集团打造了专门的AI服务器品牌:联想问天+联想 ThinkSystem双品牌。今年8月,联想集团重磅发布两大全新 AI服务器新品联想问天 WA7780 G3 AI大模型训练服务器和联想问天 WA5480 G3 AI训推一体服务器,这两大服务器新品作为全新的AI导向的算力基础设施,性能领先,全面覆盖云端、边缘算力场景,并满足AI大模型和传统模型训练及推理的需求。

展望2024年算力产业链机遇,申万宏源证券认为,AI进入大模型时代,算力在需求侧将大模型训练算力率先以275倍/2年速度飙升,推理算力在AI应用落地期具备更高爆发性。在供给侧,芯片、服务器、整机网络将全面创新,推动价值量提升。申万宏源证券特别指出,算力的发展将推动生成式AI在端侧重新定义C端,尤其关注联想集团在公共大模型、私域大模型外,以手机或PC等本地设备借助个人大模型实现新维度创新,如AI PC是未来几年PC市场的一个关键转折点,预计将达上亿台出货量。

算力风口下的“卖铲人”

此次AICC人工智能计算大会上发布的《北京市人工智能行业大模型创新应用白皮书(2023年)》认为,大模型技术迅速迭代,打破了原有AI技术发展的上限,呈现出数据巨量化、模型通用化、应用模式中心化等特点,以“无限生产”的能力重塑企业生产引擎,推动生产效率颠覆式提升。不过,当前我国大模型应用落地仍面临挑战,如算力资源供不应求,成为大模型企业创新研发的重要挑战。

而联想集团作为大模型时代的算力 “卖铲人”,正以全面、领先的算力的优势有望在大模型浪潮中率先占得一席之地。

当前,联想集团基于“端-边-云-网-智”新IT技术架构,以“普慧”算力为战略方向,通过用户手中的端,覆盖广泛的云,以及更加靠近数据产生处的边,加上传输数据的高速网络,为用户提供无处不在的“普慧”算力。

这背后是联想集团基于30多年的计算基因, 多年围绕“计算”进行技术和产品布局,已进化成为全球最全算力基础设施服务提供商。目前,联想集团针对算力服务,推出了算力基础设施“全家福”产品,后者涵盖服务器、存储、软件及软件定义、边缘计算四类产品。此外,联想集团还集结高性能计算、云计算、臻算服务等产品和服务,为千行百业建设算力基础设施提供了全面支持。

值得一提的是,在代表着算力领域顶尖水平的高性能计算领域,联想集团优势显著,在今年11月公布的用于衡量全球高性能计算机算力性能的全球超级计算机(HPC)TOP500 榜单中,联想集团以169套的成绩,第12次问鼎HPC TOP500榜单份额榜首。此外,基于联想集团在绿色算力上的成就,联想集团高性能计算在Green500榜单中,有两套科学计算集群跻身前十,其中联想集团打造的科学计算集群Henri连续三次身居榜首。

卓越的产品性能和低耗能性的算力基础设施产品也获得了市场的广泛认可。联想集团今年第二财季业绩显示,其存储业务市场份额已提升至全球第三,高性能计算收入同比增长12%,增速超过行业2倍,边缘计算更是连续10个季度实现正增长。中信证券分析道,随着人工智能计算从训练转向推理,料将催化对边缘计算、自有云与数据中心的需求,这预计会为联想集团以算力基础设施产品为核心ISG业务带来可观的收益。

目前,算力作为数字经济关键生产力,将在人工智能技术推动下,需求增长确定性高。作为提供算力基础设施的“卖铲人”,联想集团也将在极具竞争力的算力服务引擎下,迎接算力发展的爆发。



http://www.cnaifm.com/znjj/2023-12-01/11395.html

https://www.xinpin1688.com/article-18816-1.html

http://www.cnaifm.com/news/2023-11-30/11386.html

http://www.cnaifm.com/znjj/2023-11-30/11382.html

http://www.cnaifm.com/znjj/2023-11-30/11381.html

http://www.cnaifm.com/znjj/2023-11-29/11365.html

相关文章
|
17天前
|
机器学习/深度学习 人工智能 并行计算
"震撼!CLIP模型:OpenAI的跨模态奇迹,让图像与文字共舞,解锁AI理解新纪元!"
【10月更文挑战第14天】CLIP是由OpenAI在2021年推出的一种图像和文本联合表示学习模型,通过对比学习方法预训练,能有效理解图像与文本的关系。该模型由图像编码器和文本编码器组成,分别处理图像和文本数据,通过共享向量空间实现信息融合。CLIP利用大规模图像-文本对数据集进行训练,能够实现zero-shot图像分类、文本-图像检索等多种任务,展现出强大的跨模态理解能力。
58 2
|
25天前
|
机器学习/深度学习 人工智能 自然语言处理
当语言遇见智慧火花:GPT家族历代模型大起底,带你见证从平凡到卓越的AI进化奇迹!
【10月更文挑战第6天】随着自然语言处理技术的进步,GPT系列模型(Generative Pre-trained Transformers)成为该领域的明星。从GPT-1的开创性工作,到GPT-2在规模与性能上的突破,再到拥有1750亿参数的GPT-3及其无需微调即可执行多种NLP任务的能力,以及社区驱动的GPT-NeoX,这些模型不断进化。虽然它们展现出强大的语言理解和生成能力,但也存在如生成错误信息或偏见等问题。本文将对比分析各代GPT模型的特点,并通过示例代码展示其部分功能。
88 2
|
9天前
|
人工智能
AI科学家太多,谁靠谱一试便知!普林斯顿新基准CORE-Bench:最强模型仅有21%准确率
【10月更文挑战第21天】普林斯顿大学研究人员提出了CORE-Bench,一个基于计算可重复性的AI代理基准,涵盖计算机科学、社会科学和医学领域的270个任务。该基准旨在评估AI代理在科学研究中的准确性,具有多样性、难度级别和现实相关性等特点,有助于推动AI代理的发展并提高计算可重复性。
28 4
|
18天前
|
人工智能 自然语言处理
从迷茫到精通:揭秘模型微调如何助你轻松驾驭AI新热点,解锁预训练模型的无限潜能!
【10月更文挑战第13天】本文通过简单的问题解答形式,结合示例代码,详细介绍了模型微调的全流程。从选择预训练模型、准备新任务数据集、设置微调参数,到进行微调训练和评估调优,帮助读者全面理解模型微调的技术细节和应用场景。
58 6
|
26天前
|
人工智能 自然语言处理 安全
【通义】AI视界|Adobe推出文生视频AI模型,迎战OpenAI和Meta
本文精选了过去24小时内的重要科技新闻,包括微软人工智能副总裁跳槽至OpenAI、Adobe推出文本生成视频的AI模型、Meta取消高端头显转而开发超轻量设备、谷歌与核能公司合作为数据中心供电,以及英伟达股价创下新高,市值接近3.4万亿美元。这些动态展示了科技行业的快速发展和激烈竞争。点击链接或扫描二维码获取更多资讯。
|
23天前
|
机器学习/深度学习 人工智能 TensorFlow
解锁AI潜力:让开源模型在私有环境绽放——手把手教你搭建专属智能服务,保障数据安全与性能优化的秘密攻略
【10月更文挑战第8天】本文介绍了如何将开源的机器学习模型(如TensorFlow下的MobileNet)进行私有化部署,包括环境准备、模型获取与转换、启动TensorFlow Serving服务及验证部署效果等步骤,适用于希望保护用户数据并优化服务性能的企业。
44 4
|
23天前
|
机器学习/深度学习 人工智能 自然语言处理
揭开模型微调Fine-Tuning的神秘面纱:如何在预训练基础上巧妙调整,解锁定制AI解决方案的秘密武器
【10月更文挑战第8天】模型微调是在预训练模型基础上,利用特定领域数据进一步训练,以优化模型在特定任务上的表现。此方法广泛应用于自然语言处理和计算机视觉等领域,通过调整预训练模型的部分或全部参数,结合适当的正则化手段,有效提升模型性能。例如,使用Hugging Face的Transformers库对BERT模型进行微调,以改善文本匹配任务的准确率。
49 1
|
3天前
|
人工智能 安全 Cloud Native
|
19天前
|
人工智能 算法 JavaScript
无界SaaS与AI算力算法,链接裂变万企万商万物互联
本文介绍了一种基于无界SaaS与AI算力算法的商业模式的技术实现方案,涵盖前端、后端、数据库及AI算法等关键部分。通过React.js构建用户界面,Node.js与Express搭建后端服务,MongoDB存储数据,TensorFlow实现AI功能。提供了项目结构、代码示例及部署建议,强调了安全性、可扩展性和性能优化的重要性。
|
26天前
|
机器学习/深度学习 数据采集 人工智能
【紧跟AI浪潮】深度剖析:如何在大模型时代精准捕获用户心声——提高召回率的实战秘籍
【10月更文挑战第5天】在深度学习领域,大型模型常面临召回率不足的问题,尤其在信息检索和推荐系统中尤为关键。本文通过具体代码示例,介绍如何提升大模型召回率。首先,利用Pandas进行数据预处理,如清洗和特征工程;其次,选择合适的模型架构,如使用PyTorch构建推荐系统;再者,优化训练策略,采用合适的损失函数及正则化技术;此外,选择恰当的评估指标,如召回率和F1分数;最后,通过后处理优化结果展示。以上方法不仅提升召回率,还增强了模型整体性能。
63 0

热门文章

最新文章