


Die Liste des Pekinger General Artificial Intelligence Industry Innovation Partner Program wurde bekannt gegeben und JD Technology wurde zum „Computing Power Partner' ausgewählt.
Am 2. Juli wurde auf dem Artificial Intelligence Summit Forum der Global Digital Economy Conference 2023 die zweite Runde des Beijing General Artificial Intelligence Industry Innovation Partnership Program (im Folgenden als „Partnerprogramm“ bezeichnet) angekündigt. Mit seinen vielfältigen und kostengünstigen Produkten und Betriebsfunktionen wie Computerressourcen, Speicherressourcen, allgemeinen Computerressourcen und KI-Entwicklungsplattformen ist es die zweite Gruppe von „Computerpartnern“ im Partnerschaftsprogramm geworden
.
Das Partnerprogramm wird gemeinsam vom Beijing Municipal Bureau of Economy and Information Technology, der Beijing Municipal Science and Technology Commission, dem Zhongguancun Management Committee und der Beijing Municipal Development and Reform Commission initiiert. Es rekrutiert fünf Arten von Partnern über mehrere Kanäle: Rechenleistungspartner, Datenpartner, Modellpartner, Anwendungspartner und Investitionspartner zielen darauf ab, eine offene Kooperationsplattform für große Modelle künstlicher Intelligenz aufzubauen, einen kollaborativen Kooperationsmechanismus zu etablieren und durch kontinuierliche Optimierung das Layout der Industriekette deutlich zu verbessern -Hochwertige Rechenleistung und hochwertige Datenversorgungsunterstützungsfunktionen sowie die Förderung einer Gruppe von Menschen, die große Modelltechnologien anwenden, um bahnbrechendes Benchmark-Unternehmenswachstum zu erzielen.
Es wird davon ausgegangen, dass die Branche aktiv auf die Ausschreibung für die zweite Runde des „Partnerschaftsprogramms“ reagiert und sich umfassend beteiligt hat. Bis zum 30. Juni haben sich insgesamt 416 große Modellforschungs-, Entwicklungs- und Anwendungsunternehmen aus dem In- und Ausland um die Ansiedlung beworben. Nach umfangreichen Demonstrationen von Experten aus Wissenschaft, Industrie und Investitionskreisen und in Kombination mit der Bewertung von Marktmechanismen wurden insgesamt 63 Unternehmen erfolgreich ausgewählt. Die Partner setzen sich wie folgt zusammen: 10 Computing-Partner, 10 Datenpartner, 10 Modellpartner, 24 Anwendungspartner und 9 Investitionspartner. Darüber hinaus wurden 30 Modellbeobachter evaluiert.
Gegenwärtig entwickelt sich die Technologie der künstlichen Intelligenz, die durch große Modelle dargestellt wird, rasant, und das Training großer Modelle stellt höhere Anforderungen an die Rechenleistung. JD Cloud ist der Ansicht, dass Rechenleistungsdienste für künstliche Intelligenz arbeitsteilig sein sollten und verschiedene effiziente Tools verwendet werden sollten, um unterschiedliche Aufgaben zu erledigen. Effizientere heterogene Infrastrukturressourcen sollten so weit wie möglich genutzt werden, um unterschiedliche Rechenleistungsanforderungen zu erfüllen.
JD Technology hat Anfang 2021 mit der Errichtung des weltweit ersten Supercomputing-Zentrums in Chongqing begonnen, das hauptsächlich wissenschaftliche Forschung und Erforschung in Bereichen wie künstliche Intelligenz und Quantencomputing durchführt. Angesichts der wachsenden Nachfrage nach Rechenleistung unterstützen die Rechen- und Speichernetzwerke von JD Technology vollständig Hochleistungs-RDMA, das leistungsstarke Rechencluster mit hoher Bandbreite und geringer Latenz für das Training großer Modelle, autonomes Fahren, wissenschaftliches Rechnen usw. bereitstellen kann .
Darüber hinaus sind die GPU-unterstützten Cloud-Hosts und Bare-Metal-Server von JD Technology mit 25G-Dual-Netzwerkkarten und selbst entwickelten Jingang-Smart-Netzwerkkarten ausgestattet, die Virtualisierungsverluste auf Null reduzieren, die Rechen-, Speicher- und Netzwerkleistung erheblich verbessern und helfen Unternehmen können in einer hybriden Multi-Cloud-Umgebung schnell stabile und sichere Hochleistungs-Computing-Funktionen aufbauen und die Effizienz des Trainings großer Modelle umfassend verbessern.
Flexible Planung von Rechenleistungsclustern ist die Grundlage für das Training großer Modelle. Das unabhängig entwickelte Hybrid-Multi-Cloud-Betriebssystem Yunjian von Jingdong Technology hat auf der Grundlage seiner ursprünglichen Unterstützung für hybride Multi-Cloud-CPU-Rechenleistungs-Pooling-Funktionen die für KI-Anwendungen erforderliche Zeitplanung weiter erhöht, indem es auf die für das Pan-Computing erforderlichen Power-Pooling-Funktionen abzielt Verwaltungsfunktionen für das Training großer Modelle, einschließlich Kartenverwaltung, Knotenverwaltung, Verwaltung heterogener Ressourcen usw., bieten Lösungen zur Bündelung der Rechenleistung aus einer Hand für eine Vielzahl von KI-Anwendungen, einschließlich Training großer Modelle, und verbessern so die Ressourcennutzung umfassend.
Als zweite Gruppe von „Rechenleistungspartnern“ des Partnerschaftsprogramms wird JD.com den weltweit führenden Rechenleistungscluster nutzen, um große Modell-F&E-Iterationen und Demonstrationsanwendungen zu unterstützen und Peking dabei zu helfen, die Schaffung einer Quelle für Technologie für künstliche Intelligenz zu beschleunigen Innovation und ein Hochland der industriellen Entwicklung bilden ein frühes Stadium. Ein allgemeines Entwicklungsmuster der Branche für künstliche Intelligenz mit vollständigen Elementen, führender Technologie und vollständiger Ökologie, das die qualitativ hochwertige Entwicklung der digitalen Wirtschaft effektiv unterstützen kann.
Das obige ist der detaillierte Inhalt vonDie Liste des Pekinger General Artificial Intelligence Industry Innovation Partner Program wurde bekannt gegeben und JD Technology wurde zum „Computing Power Partner' ausgewählt.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
