Nguồn: New Wisdom
Nguồn hình ảnh: Được tạo bởi Unbounded AI
Một tiến sĩ về máy học từ một trong năm trường đại học hàng đầu tại Hoa Kỳ, nhưng phòng thí nghiệm của ông thậm chí còn không có GPU có thể cung cấp lượng lớn tỷ lệ băm?
Vào giữa năm 2024, một bài đăng của một cư dân mạng trên reddit đã ngay lập tức gây ra cuộc thảo luận trong cộng đồng:
Vào cuối năm, một báo cáo trên tạp chí Nature đã tiết lộ những thách thức nghiêm trọng mà cộng đồng học thuật phải đối mặt trong việc sở hữu GPU - các nhà nghiên cứu thực sự phải xếp hàng để đăng ký sử dụng cụm GPU của trường.
Tương tự như vậy, tình trạng thiếu hụt GPU nghiêm trọng cũng thường thấy ở các phòng thí nghiệm của các trường đại học nước ta. Thậm chí còn có tin tức gây sốc khi một trường đại học yêu cầu sinh viên phải mang tỷ lệ băm của mình đến lớp.
Có thể thấy rằng nút thắt cổ chai của “tỷ lệ băm” thậm chí đã biến AI thành một ngành học có rào cản gia nhập cực kỳ cao.
Thiếu hụt nhân tài AI và tỷ lệ băm không đủ
Đồng thời, sự phát triển nhanh chóng của các công nghệ tiên tiến như mô hình lớn và trí thông minh nhân tạo đang gây ra tình trạng thiếu hụt nhân tài trên toàn cầu.
Theo tính toán của một giáo sư Đại học Oxford, tỷ lệ công việc tại Hoa Kỳ đòi hỏi kỹ năng AI đã tăng gấp năm lần.
Trên toàn cầu, số lượng việc làm trong lĩnh vực trí tuệ nhân tạo kỹ thuật (Tech-AI) đã tăng 9 lần và số lượng việc làm trong lĩnh vực trí tuệ nhân tạo rộng (Broad-AI) đã tăng 11,3 lần.
Sự tăng trưởng ở Châu Á đặc biệt đáng kể trong giai đoạn này.
Mặc dù các trường đại học trên khắp thế giới đang cố gắng giúp sinh viên nắm vững các khả năng AI quan trọng, như đã đề cập trước đó, tỷ lệ băm hiện đã trở thành một "xa xỉ phẩm".
Để thu hẹp khoảng cách này, sự hợp tác giữa doanh nghiệp và trường đại học đã trở thành một phương tiện quan trọng.
Trung tâm nuôi dưỡng tạo khoa học công nghệ Kunpeng Shengteng khởi động bố trí nghiên cứu khoa học của các trường đại học
May mắn thay, Huawei đã bắt đầu vạch ra kế hoạch xây dựng hệ thống đổi mới sáng tạo tương tự tại các trường đại học của chúng tôi!
Hiện nay, Huawei đã ký thỏa thuận hợp tác về "Trung tâm đổi mới khoa học và giáo dục xuất sắc Côn Bằng" với năm trường đại học hàng đầu: Đại học Bắc Kinh, Đại học Thanh Hoa, Đại học Giao thông Thượng Hải, Đại học Chiết Giang và Đại học Khoa học và Công nghệ Trung Quốc.
Ngoài ra, Huawei cũng đồng thời thúc đẩy hợp tác với 10 trường đại học, bao gồm Đại học Phục Đán, Học viện Công nghệ Cáp Nhĩ Tân, Đại học Khoa học và Công nghệ Hoa Trung, Đại học Giao thông Tây An, Đại học Nam Kinh, Đại học Hàng không và Vũ trụ Bắc Kinh, Học viện Công nghệ Bắc Kinh, Đại học Khoa học và Công nghệ Điện tử Trung Quốc, Đại học Đông Nam và Đại học Bưu chính Viễn thông Bắc Kinh, để thành lập "Trung tâm nuôi dưỡng tạo đổi mới khoa học và công nghệ Kunpeng Shengteng".
Việc thành lập Trung tâm Xuất sắc và Trung tâm Nuôi dưỡng là mô hình tích hợp giáo dục-công nghiệp:
Bằng cách giới thiệu hệ sinh thái Ascend, tình trạng thiếu hụt tỷ lệ băm của các trường đại học đã được bù đắp, thúc đẩy đáng kể sự xuất hiện của nhiều kết quả nghiên cứu khoa học hơn.
Bằng cách cải cách hệ thống chương trình giảng dạy và đưa vào các chủ đề nghiên cứu khoa học, công nghiệp và cạnh tranh, chúng tôi mong muốn đào tạo ra những tài năng hàng đầu trong ngành máy tính.
Chúng tôi nỗ lực thúc đẩy những thành tựu đổi mới đẳng cấp thế giới bằng cách giải quyết kiến trúc hệ thống, khả năng tăng tốc máy tính, khả năng thuật toán và khả năng hệ thống;
Bằng cách tạo ra nhiều ngành liên ngành "AI+X", chúng tôi dẫn đầu sự phát triển của hệ sinh thái thông minh.
Xây dựng tỷ lệ băm trong nước hoàn toàn độc lập cho nghiên cứu AI
Ngày nay, tầm quan trọng của AI đối với khoa học là điều hiển nhiên.
Theo một khảo sát gần đây của Google DeepMind, một trong ba nhà nghiên cứu sau tiến sĩ sử dụng các mô hình ngôn ngữ lớn để hỗ trợ các nhiệm vụ như đánh giá tài liệu, lập trình và viết bài báo.
Giải Nobel Vật lý và Hóa học năm nay đều được trao cho các nhà nghiên cứu trong lĩnh vực AI.
Có thể thấy, trong quá trình AI hỗ trợ nghiên cứu khoa học, GPU đã trở thành "vàng" quý giá nhờ hiệu năng vượt trội trong các lĩnh vực đòi hỏi khả năng tính toán hiệu năng cao, cũng như khả năng mạnh mẽ trong đào tạo LLM và lập luận, và đã được các công ty lớn như Microsoft, xAI và OpenAI săn đón.
Tuy nhiên, lệnh cấm GPU của Hoa Kỳ đã khiến nước ta khó có thể đạt được tiến bộ trong lĩnh vực AI và nghiên cứu khoa học.
Để thu hẹp khoảng cách này, chúng ta phải xây dựng và phát triển một hệ sinh thái độc lập, hoàn chỉnh.
Về tỷ lệ băm, sê-ri bộ xử lý AI Ascend của Huawei đã đảm nhiệm nhiệm vụ quan trọng là định hình lại khả năng cạnh tranh của Trung Quốc.
Ngoài tỷ lệ băm, chúng ta còn cần một khuôn khổ tính toán tự phát triển để thích ứng nhằm phát huy đầy đủ lợi thế của bộ xử lý NPU/AI.
Như chúng ta đã biết, kiến trúc CUDA được thiết kế dành riêng cho GPU NVIDIA phổ biến hơn trong lĩnh vực AI và khoa học dữ liệu.
Chỉ có CANN mới có thể thực sự cạnh tranh và thay thế được nó trong nước.
Là một kiến trúc điện toán không đồng nhất do Huawei ra mắt cho các kịch bản AI, CANN hỗ trợ các khuôn khổ AI chính thống trong ngành, chẳng hạn như PyTorch, TensorFlow và MindSpore, và cho phép bộ xử lý AI Ascend. Đây là nền tảng chính để cải thiện hiệu quả tính toán của bộ xử lý AI Ascend. .
Vì lý do này, CANN vốn có nhiều lợi thế về mặt kỹ thuật. Điều quan trọng nhất trong đó là tối ưu hóa sâu hơn sự kết hợp giữa phần mềm và phần cứng để tính toán AI và một ngăn xếp phần mềm mở hơn:
Đầu tiên, nó có thể hỗ trợ nhiều khuôn khổ AI khác nhau, bao gồm cả MindSpore của riêng nó, cũng như PyTorch, TensorFlow của bên thứ ba, v.v.
Thứ hai, nó cung cấp giao diện lập trình đa cấp cho nhiều tình huống ứng dụng khác nhau, hỗ trợ người dùng nhanh chóng xây dựng các ứng dụng AI và doanh nghiệp dựa trên nền tảng Ascend;
Hơn nữa, nó còn cung cấp các công cụ di chuyển mô hình để hỗ trợ các nhà phát triển nhanh chóng di chuyển các dự án sang nền tảng Shengteng.
Hiện tại, CANN đã bước đầu xây dựng được hệ sinh thái riêng của mình. Về mặt kỹ thuật, CANN bao gồm lượng lớn ứng dụng, công cụ và thư viện, có hệ sinh thái kỹ thuật hoàn thiện và cung cấp cho người dùng trải nghiệm phát triển trọn gói. Đồng thời, nhóm các nhà phát triển dựa trên nền tảng công nghệ Ascend cũng đang dần phát triển, tạo nền tảng màu mỡ cho các ứng dụng và đổi mới công nghệ trong tương lai.
Ngoài kiến trúc điện toán không đồng nhất CANN, chúng ta còn cần một khuôn khổ học độ sâu để xây dựng các mô hình AI.
Hầu như tất cả các nhà phát triển AI đều cần sử dụng một khuôn khổ học độ sâu và hầu như tất cả các thuật toán và ứng dụng DL đều phải được triển khai thông qua một khuôn khổ học độ sâu.
Ngày nay, có nhiều khuôn khổ phổ biến trên thị trường, chẳng hạn như TensorFlow của Google và PyTorch của Meta, đã hình thành nên một hệ sinh thái khổng lồ.
Khi chúng ta bước vào kỷ nguyên đào tạo mô hình quy mô lớn, các khuôn khổ học độ sâu cần có khả năng thực hiện đào tạo hiệu quả khi phải đối mặt với hàng nghìn máy tính.
Huawei MindSpore, một khuôn khổ học độ sâu toàn diện được chính thức mở mã nguồn vào tháng 3 năm 2020, đã lấp đầy khoảng trống trong lĩnh vực này tại Trung Quốc và đạt được khả năng kiểm soát độc lập thực sự.
MindSpore có các tính năng chính như triển khai toàn cảnh trên đám mây, biên và thiết bị đầu cuối, hỗ trợ gốc cho đào tạo mô hình lớn và hỗ trợ cho AI + điện toán khoa học. Nó đã xây dựng một môi trường phát triển gốc với sự hợp tác toàn cảnh và toàn bộ quy trình cực kỳ đơn giản, thúc đẩy đổi mới nghiên cứu khoa học trong nước và ứng dụng công nghiệp.
Điều đặc biệt là với tư cách là "đối tác tốt nhất" của bộ xử lý AI Ascend, MindSpore hỗ trợ mọi kịch bản "kết thúc, biên và đám mây" và có thể đạt được kiến trúc thống nhất, đào tạo một lần và triển khai nhiều lần.
Từ mô phỏng hệ thống trái đất quy mô lớn và lái xe tự động đến dự đoán cấu trúc protein quy mô nhỏ, tất cả đều có thể thực hiện được thông qua MindSpore.
Chỉ có hệ sinh thái nhà phát triển rộng lớn mới có thể thúc đẩy hoàn thiện của khuôn khổ nguồn mở học độ sâu và tạo ra giá trị lớn hơn.
"Báo cáo nghiên cứu thị trường khuôn khổ trí tuệ nhân tạo Trung Quốc" do công ty nghiên cứu Omdia công bố năm 2023 cho thấy MindSpore đã bước vào giai đoạn đầu tiên trong việc sử dụng khuôn khổ AI, lần TensorFlow.
Ngoài ra, việc áp dụng lý luận vào hàng ngàn ngành công nghiệp chính là chìa khóa để khai thác giá trị của AI. Khi GenAI tăng tốc phát triển, cả trường đại học và doanh nghiệp đều có nhu cầu cấp thiết phải giải quyết nhu cầu cao về tốc độ suy luận nhanh.
Ví dụ, trình biên dịch tối ưu hóa hiệu suất cao TensorRT là một công cụ mạnh mẽ giúp cải thiện hiệu suất suy luận của các mô hình lớn. Với sự trợ giúp của lượng tử hóa và độ thưa thớt, nó có thể giảm độ phức tạp của mô hình và do đó tối ưu hóa hiệu quả tốc độ suy luận của mô hình học độ sâu. Vấn đề là nó chỉ hỗ trợ GPU Nvidia.
Tương tự như vậy, vì chúng ta có kiến trúc điện toán và khuôn khổ học độ sâu, chúng ta cũng sẽ có một công cụ suy luận phù hợp - Huawei Ascend MindIE.
MindIE là công cụ tăng tốc suy luận AI toàn diện tích hợp công nghệ tăng tốc suy luận tiên tiến nhất trong ngành và kế thừa các tính năng của PyTorch nguồn mở.
Thiết kế của nó tính đến cả tính linh hoạt và tính thực tế. Nó có thể kết nối liền mạch với nhiều khuôn khổ AI chính thống, đồng thời hỗ trợ nhiều loại bộ xử lý AI Ascend khác nhau và cung cấp cho người dùng giao diện lập trình đa cấp.
Thông qua khả năng tối ưu hóa liên kết toàn diện và AI mở theo lớp, MindIE có thể giải phóng tỷ lệ băm tối ưu của phần cứng Ascend, cung cấp cho người dùng các giải pháp suy luận học độ sâu hiệu quả và nhanh chóng, giải quyết các vấn đề có độ khó kỹ thuật cao và nhiều bước phát triển trong suy luận mô hình và phát triển ứng dụng, cải thiện hiệu suất thông lượng mô hình, rút ngắn thời gian khởi chạy ứng dụng, cho phép hàng trăm mô hình và hàng nghìn biểu mẫu, đồng thời đáp ứng các nhu cầu kinh doanh AI đa dạng.
Có thể thấy rằng các công nghệ đổi mới độc lập như CANN, MindSpore và MindIE không chỉ lấp đầy khoảng cách về tỷ lệ băm trong nước mà còn đạt được bước đột phá vượt bậc trong đào tạo mô hình, khả năng sử dụng khung, hiệu suất suy luận, v.v. và thậm chí còn trực tiếp đánh giá chuẩn các ngăn xếp công nghệ tiên tiến của nước ngoài.
Xây dựng một trung tâm nuôi dưỡng đẳng cấp thế giới
Ngoài những ưu điểm về mặt kỹ thuật, có thể nói rằng trong vài thập kỷ tới, việc sử dụng sức mạnh tính toán Ascend sẽ phù hợp hơn với điều kiện quốc gia.
Chỉ có tỷ lệ băm do trong nước phát triển mới có thể thoát khỏi sự ảnh hưởng của môi trường bên ngoài luôn thay đổi và đảm bảo sự ổn định của cơ sở nghiên cứu khoa học.
Bây giờ nền tảng đã được thiết lập, làm thế nào chúng ta có thể giúp giáo viên và sinh viên đại học học cách sử dụng nó?
Kể từ ngày 6 tháng 9 năm ngoái, Huawei đã liên tiếp tổ chức trại huấn luyện đặc biệt AI Shengteng đầu tiên tại bốn trường đại học lớn: Đại học Bắc Kinh, Đại học Giao thông Thượng Hải, Đại học Chiết Giang và Đại học Khoa học và Công nghệ Trung Quốc. Trong số hàng trăm sinh viên đã đăng ký, 90% là sinh viên thạc sĩ và tiến sĩ. Các khóa học bao gồm nhiều khía cạnh của lĩnh vực Ascend, bao gồm CANN, MindSpore, MindIE, MindSpeed, HPC, công cụ phát triển Kunpeng, v.v.
Trong trại huấn luyện đặc biệt, học viên không chỉ được học chi tiết về các công nghệ cốt lõi mà còn có cơ hội thực hành trực tiếp. Sự sắp xếp này rất phù hợp với đặc điểm tiếp thu kiến thức mới của học sinh, từ nông đến sâu, từng bước một.
Ví dụ, tại địa điểm Jiao Tong ở Thượng Hải, ngày đầu tiên của khóa học sẽ có chủ đề về di chuyển, cho phép sinh viên hiểu các giải pháp phần mềm và phần cứng cơ bản của Ascend AI, thực hành trường hợp phát triển gốc của Ascend cho các mô hình Pytorch, các tính năng giải pháp suy luận MindIE và các trường hợp di chuyển, v.v.
Khóa học ngày thứ hai sẽ tập trung vào tối ưu hóa, bao gồm kiến trúc điện toán không đồng nhất CANN của Ascend, phát triển toán tử C của Ascend và thực hành tối ưu hóa suy luận chuỗi dài của mô hình lớn.
Di chuyển và tối ưu hóa cài đặt khóa học là một kế hoạch có tầm nhìn xa.
Bạn biết đấy, các khóa học thực hành tại nhiều trường đại học về cơ bản đều dựa trên CUDA/X86, nhưng dưới ảnh hưởng của lệnh trừng phạt, vấn đề thiếu hụt tỷ lệ băm ngày càng trở nên rõ ràng hơn. Đến thời điểm này, nếu bạn đã thành thạo phương pháp di chuyển, bạn có thể đưa dự án lên nền tảng Shengteng và tiếp tục công việc học thuật.
Sau khi nắm vững những kiến thức cơ bản, học sinh có thể bắt tay vào thực hành. Các chuyên gia của Huawei sẽ hướng dẫn sinh viên từng bước, cho phép họ tìm hiểu về công nghệ Ascend và trải nghiệm toàn bộ quá trình suy luận mô hình lớn trong quá trình lượng tử hóa mô hình lớn, suy luận và triển khai mã Codelabs.
Sau hoạt động thực hành, sinh viên sẽ hiểu rõ hơn về hệ sinh thái Shengteng thông qua trải nghiệm cá nhân, đặt nền tảng vững chắc cho công việc tương lai của họ trong lĩnh vực kỹ thuật.
Trại huấn luyện đặc biệt đầu tiên ở Thượng Hải, học viên đang luyện tập
Ngoài các khóa học, Huawei cũng sẽ tổ chức các cuộc thi dành cho nhà phát triển tại trường đại học để tìm ra những tài năng phát triển nhà điều hành ưu tú.
Cuộc thi khuyến khích các nhà phát triển tiến hành đổi mới và thực hành chuyên độ sâu dựa trên tài nguyên tỷ lệ băm Ascend và khả năng cơ bản của CANN, đẩy nhanh quá trình tích hợp AI và ngành, đồng thời thúc đẩy cải thiện năng lực của các nhà phát triển.
Ngoài ra, trung tâm nuôi dưỡng còn rất coi trọng thành tích học tập.
Sinh viên tiến hành nghiên cứu học thuật dựa trên các công nghệ và công cụ máy tính chủ chốt của Kunpeng hoặc Ascend cũng có thể nộp đơn xin học bổng sau đại học. Trong thời gian này, nếu bài báo được công bố trên các hội nghị quốc tế hàng đầu và tạp chí trong nước hàng đầu, cũng sẽ có những phần thưởng tương ứng.
Đồng thời, Huawei cũng bắt tay với các đối tác trong hệ sinh thái Kunpeng & Shengteng để triển khai chương trình đào tạo nhân tài.
Chương trình cho phép sinh viên chuyển từ lý thuyết sang thực hành và bước vào các tình huống làm việc thực tế của doanh nghiệp, đồng thời giúp sinh viên xuất sắc kết nối với doanh nghiệp trước.
Hiện nay, Chương trình Tài năng đã liên kết hơn 200 công ty tại 15 thành phố, cung cấp hơn 2.000 vị trí kỹ thuật và giúp hơn 10.000 sinh viên đại học ứng tuyển việc làm.
Nhìn chung, sự nhiệt tình tham gia của học sinh có thể được tăng lên đáng kể thông qua các hoạt động giảng dạy và chương trình khuyến khích này. Nó không chỉ có thể nâng cao kinh nghiệm học tập và tạo ra các kết quả nghiên cứu khoa học mà còn giúp kinh nghiệm và bối cảnh của họ được chú ý hơn, từ đó ghi thêm điểm trên thị trường việc làm và giúp họ dễ dàng được các công ty hàng đầu trong và ngoài nước ưu ái.
Vậy, sau khi nắm vững công nghệ mới nhất và ứng dụng của nó, làm thế nào chúng ta có thể phát triển những kết quả nghiên cứu khoa học thực sự mang tính đột phá trong thế giới AI đang thay đổi nhanh chóng như hiện nay?
Kể từ khi Sora tạo nên cơn sốt AI về video vào năm 2024, các mô hình video lớn đã lần lượt xuất hiện. Dự án video văn hóa nguồn mở Open-Sora Plan của Đại học Bắc Kinh và Tuzhan đã từng gây chấn động trong ngành.
Trên thực tế, ngay từ khi Sora được phát hành, nhóm đã chuẩn bị cho phiên bản mã nguồn mở của Sora. Tuy nhiên, các yêu cầu về tỷ lệ băm và dữ liệu không được đáp ứng và dự án đã bị gác lại một thời gian. May mắn thay, Đại học Bắc Kinh và Huawei đã cùng nhau thành lập Trung tâm đổi mới khoa học và công nghệ xuất sắc Kunpeng Shengteng, cho phép nhóm nghiên cứu nhanh chóng có được sự hỗ trợ về năng lực tỷ lệ băm.
Nhóm ban đầu sử dụng NVIDIA A100. Sau khi chuyển sang hệ sinh thái Ascend, họ đã có nhiều khám phá đáng ngạc nhiên:
Sự hỗ trợ của CANN cho phép tính toán song song hiệu quả và tăng tốc đáng kể quá trình xử lý các tập dữ liệu quy mô lớn; thư viện giao diện Ascend C đơn giản hóa quy trình phát triển các ứng dụng AI; và thư viện tăng tốc toán tử tối ưu hóa hơn nữa hiệu suất hoạt động của thuật toán.
Quan trọng hơn, hệ sinh thái mở Ascend có thể nhanh chóng thích ứng với các mô hình và ứng dụng lớn.
Do đó, mặc dù các thành viên trong nhóm bắt đầu từ con số 0 trong hệ sinh thái Ascend, họ đã có thể nhanh chóng bắt đầu trong một khoảng thời gian rất ngắn.
Trong quá trình đào tạo tiếp theo, nhóm tiếp tục khám phá ra những điều bất ngờ: ví dụ, khi sử dụng torch_npu để phát triển, toàn bộ mã có thể được đào tạo và suy ra một cách liền mạch trên NPU Ascend.
Khi cần phân đoạn mô hình, bộ tăng tốc phân tán Ascend MindSpeed cung cấp nhiều thuật toán phân tán mô hình lớn và các chiến lược song song.
Ngoài ra, trong đào tạo quy mô lớn, tính ổn định khi sử dụng phần cứng MindSpeed và Ascend cao hơn nhiều so với các nền tảng điện toán khác và có thể tiếp tục không bị gián đoạn trong một tuần.
Do đó, chỉ một tháng sau, Kế hoạch Open-Sora đã chính thức ra mắt và nhận được sự công nhận lớn trong ngành.
Đoạn clip "Black Myth: Wukong" do Open-Sora Plan tạo ra này có thể so sánh với một bộ phim bom tấn, khiến vô số cư dân mạng kinh ngạc
Ngoài ra, Đại học Đông Nam cũng đã phát triển mô hình giao thông đa phương thức lớn MT-GPT để đáp ứng tỷ lệ băm của Ascend.
Trước đây, rất khó để triển khai các mô hình giao thông quy mô lớn vì nhiều lý do như dữ liệu bị phân mảnh do nhiều sở ban ngành chính phủ thu thập, định dạng và tiêu chuẩn dữ liệu không nhất quán, dữ liệu giao thông không đồng nhất và từ nhiều nguồn.
Để giải quyết những vấn đề này, nhóm đã đặc biệt hình thành một khuôn khổ khái niệm về mô hình vận tải đa phương thức có tên là MT-GPT (Multimodal Transportation Generative Pre-trained Transformer) để cung cấp hỗ trợ dựa trên dữ liệu cho các vấn đề ra quyết định đa diện và đa chi tiết trong các nhiệm vụ của hệ thống vận tải đa phương thức.
Tuy nhiên, việc phát triển và đào tạo các mô hình lớn chắc chắn đặt ra yêu cầu cực kỳ cao về tỷ lệ băm.
Để đạt được mục đích này, nhóm đã quyết định tận dụng khả năng của Ascend AI để đẩy nhanh quá trình phát triển, đào tạo, điều chỉnh và triển khai các mô hình giao thông lớn.
Trong giai đoạn phát triển, bộ công cụ phát triển mô hình lớn Transformer đã cải thiện đáng kể độ chính xác trong việc hiểu các câu hỏi tạo ra đa phương thức thông qua kho kiến thức không đồng nhất từ nhiều nguồn và mã hóa tính năng đa phương thức.
Trong giai đoạn đào tạo, bộ công cụ tăng tốc đào tạo phân tán Ascend MindSpeed cung cấp các thuật toán tăng tốc đa chiều, đa chế độ và đa phương thức cho các mô hình giao thông lớn.
Trong giai đoạn điều chỉnh, chuỗi công cụ quy trình đầy đủ của Ascend MindStudio kết hợp kiến thức chuyên môn về tinh chỉnh lưu lượng truy cập để thực hiện đào tạo và tinh chỉnh.
Trong giai đoạn triển khai, công cụ suy luận Ascend MindIE có thể hỗ trợ suy luận một cửa cho các mô hình giao thông lớn và cũng có thể hỗ trợ phân tích, phát triển, gỡ lỗi và điều chỉnh di chuyển giữa các thành phố.
Tóm lại, Peking University Open-Sora là một dự án di chuyển tái tạo Sora. Đồng thời, với tư cách là một dự án nguồn mở, nó cũng có thể trao quyền tốt hơn cho các nhà phát triển toàn cầu để phát triển các ứng dụng trong nhiều tình huống hơn.
Mô hình vận tải đa phương thức MT-GPT của Đại học Đông Nam chứng minh khả năng thực sự của tỷ lệ băm Ascend trong việc chuyển đổi kết quả, trao quyền trực tiếp cho ngành vận tải của thành phố.
Theo cách này, một vòng khép kín giữa công nghiệp, học thuật và nghiên cứu đã được hình thành hoàn chỉnh.
Những kết quả khả quan này càng chứng minh thêm quan điểm rằng các Trung tâm Xuất sắc/Trung tâm Nuôi dưỡng không chỉ có thể cung cấp cho các trường đại học nền tảng màu mỡ cho nghiên cứu học thuật và đổi mới khoa học mà còn bồi dưỡng được một lượng lớn nhân tài AI hàng đầu, sau đó nuôi dưỡng các kết quả nghiên cứu khoa học hàng đầu thế giới.
Ví dụ, khi nhóm Đại học Bắc Kinh đang phát triển Kế hoạch Open-Sora, Giáo sư Yuan Li sẽ tổ chức sinh viên và nhóm Huawei Shengteng cùng nhau động não về phát triển mã và thuật toán mỗi ngày.
Trong quá trình vượt sông bằng cách cảm nhận những hòn đá, nhiều sinh viên của đội Đại học Bắc Kinh đã đích thân tham gia thực hành nghiên cứu khoa học chất lượng cao và thể hiện tính sáng tạo nghiên cứu khoa học cực kỳ cao.
Đội ngũ này, với độ tuổi trung bình là 23, cũng đã trở thành trụ cột trong việc thúc đẩy các ứng dụng video AI trong nước.
Trong quá trình này, đội ngũ học viên trẻ đã thành thạo hệ sinh thái đang phát triển của Kunpeng cũng đang ngày càng lớn mạnh.
Do đó, khi các trường đại học tiến hành nghiên cứu dựa trên nền tảng và tỷ lệ băm trong nước, họ không chỉ nhận được sự hỗ trợ của giới tình báo hàng đầu mà còn mở rộng hệ sinh thái công nghệ và ứng dụng của Huawei trong quá trình này.
Đất nước chúng ta nên xây dựng hệ thống đổi mới sáng tạo nào?
Có thể thấy Huawei đã chính thức ra mắt mô hình hợp tác mới giữa trường học và doanh nghiệp.
Kể từ khi thành lập dòng sản phẩm máy tính vào năm 2019, Huawei đã nhanh chóng ký kết dự án hợp tác cơ sở thông minh với Bộ Giáo dục vào năm 2020 và triển khai hợp tác giảng dạy tại 72 trường đại học hàng đầu trong nước.
Vào thời điểm đó, một số kiến thức chuyên môn về Kunpeng/Shengteng đã được đưa vào một số khóa học bắt buộc ở bậc đại học.
Tuy nhiên, đầu tư vào các trường cao đẳng và đại học là một quá trình phát triển trung và dài hạn. Chỉ bằng cách cho phép học sinh và giáo viên hiểu được các công nghệ có liên quan trước tiên thì họ mới có thể mang lại giá trị lớn hơn trong vài năm tới.
Do đó, Huawei có kế hoạch đầu tư 1 tỷ nhân dân tệ mỗi năm để phát triển hệ sinh thái bản địa và tài năng của Kunpeng và Shengteng. Việc thực hiện chiến lược này sẽ cung cấp cho các tài năng và nhà phát triển của trường đại học nguồn lực phong phú hơn và không gian phát triển rộng hơn. Một kế hoạch tặng 100.000 bảng phát triển Kunpeng và bảng phát triển suy luận Ascend cũng đã được đưa ra để khuyến khích họ tích cực khám phá và ứng dụng công nghệ Kunpeng và Ascend trong các thí nghiệm giảng dạy, thực hành cạnh tranh và đổi mới khoa học và công nghệ.
Theo chương trình này, giáo viên và học sinh có thể tiếp cận và dùng thử bảng phát triển. Cho dù đó là việc giảng dạy của giáo viên hay các thí nghiệm nghiên cứu khoa học, giáo viên và sinh viên đại học đều có thể truyền cảm hứng mới dựa trên những đổi mới mà họ muốn thực hiện.
OrangePi và Huawei Ascend đã cùng nhau ra mắt bo mạch phát triển OrangePi AIpro, đáp ứng nhu cầu của hầu hết các ứng dụng xác minh nguyên mẫu thuật toán AI và phát triển ứng dụng lý luận. Có thể sử dụng rộng rãi trong điện toán biên AI, học trực quan độ sâu, máy bay không người lái, điện toán đám mây và các lĩnh vực khác, cho thấy sức mạnh mạnh mẽ và khả năng ứng dụng rộng rãi.
Mặt khác, tình hình đặc biệt hiện nay của đất nước chúng ta - sự phong tỏa công nghệ từ thế giới bên ngoài - cũng có nghĩa là chúng ta không còn nhiều thời gian nữa. Chúng ta phải có một nền tảng công nghệ độc lập và có thể kiểm soát được.
Sự phát triển bản địa là điều tất yếu trong tương lai. Chỉ có sản phẩm Made in China mới phù hợp nhất với xu hướng cường quốc tương lai của Trung Quốc.
Khi bản địa hóa trở thành xu hướng chung, các nền tảng công nghệ trong nước như Kunpeng/Shengteng cũng sẽ lan rộng sang nhiều cơ sở hạ tầng CNTT khác.
Việc thành lập các trung tâm xuất sắc và trung tâm nuôi dưỡng cũng đã mang lại cho ngành công nghiệp sự tự tin ngày càng cao.
Có thể thấy trước rằng sau nhiều năm nuôi dưỡng, những nhân tài nghiên cứu khoa học đã nắm vững nền tảng công nghệ trong nước sẽ tiếp tục phát huy con đường công nghệ Côn Bằng/Thánh Đằng, nuôi dưỡng những thành quả nghiên cứu khoa học đủ sức dẫn đầu thế giới.
