智能化新十年,“全栈智能”定义行业“Copilot智能助手”

“智能化转型是未来十年中国企业穿越经济周期的利器”,这是联想集团执行副总裁兼中国区总裁刘军在去年联想创新科技大会上做出的判断,而2023年正值第四次工业革命第二个十年的开端,智能化是第四次工业革命的主题。2023年初,基于谷歌Transformer算法的AI大模型和生成式AI爆火,引发了全社会新一轮的智能进化。

在2023年初由联想智库主办、5G中国创新百人会协办的“行业智能化转型创新实践研讨会”上,中国信息经济学会常务副理事长吕廷杰教授研判:“未来十年将是社会数字化进而智能化转型的十年,所有的行业都值得重做一遍。”在人类现代史上,一共有四次“所有行业都重做一遍”的工业革命,每一次工业革命中都出现了引领各行业创新的产品、技术与服务。今天,我们正处于第四次工业革命的攻坚阶段,也就是将以大模型和深度学习等为代表人工智能技术扩散到所有行业,全面释放创新力、创造力。

(联想集团执行副总裁兼中国区总裁刘军)

依托AI大模型,大规模提升个人生产力的方式,主要是“Copilot智能助手”——各种Copilot智能助手能够主动理解使用者的意图并提供成型的方案,供个人用户微调即可使用;那么通过释放大模型和AI能力,推动行业智能化转型的方式,又是什么?“全栈智能”或是答案。在2023中国算力大会上,刘军表示,基于智能化转型战略的前瞻布局,联想已经打造了AI内嵌的智能终端、AI导向的基础设施和AI原生的方案服务,形成全栈智能的产品及方案服务布局。

进一步解读:“全栈智能”以联想自身完整的数字化转型实践和方案为蓝本,以“端-边-云-网-智”全栈智能化产品和技术为可组合的工具集,用全周期陪伴式服务保障和主动理解行业企业的智能化转型战略,为各行业快速智能化转型提供“Copilot智能助手”,从而共同驶上智能化新十年的“快车道”。

智能化技术体系质变

近30年前,时任施乐PARC研究中心的首席科学家Mark Weiser在一篇颇具影响力的论文中这样预测——在未来,计算将无处不在;30年后,微软CEO萨提亚·纳德拉公开提出:云计算正在把世界变成“一台计算机”。两位“大咖”的预判,都预示着计算范式的深刻变革。

自2006年开始兴起的云计算、大数据、物联网、人工智能、虚拟现实等数字智能技术,已经从点到面、从小到大、从区域到全球、从单一技术到技术体系……形成了量变到质变的态势。2023年,集云计算、大数据、人工智能等技术大成的大模型AI横扫全球,比尔·盖茨表示以GPT为代表的大模型AI是他一生中见到的两项最具革命性的技术之一。

大模型是深度学习进一步发展的产物,是参数达到百亿甚至千亿万亿的超大规模神经网络模型,“大模型+大算力+大数据”即可实现“智能涌现”,即达到通用人工智能的水平。大模型的出现完善了深度学习和机器学习的族谱,从百亿到万亿参数的大模型、亿级到百亿的中模型,到千万参数以下的中小模型,这些模型联合起来可以解决从通用人工智能到面向垂直领域特定任务的人工智能再到在边缘设备上的推理计算等全过程人工智能应用。

大模型的出现也反过来重塑了现有智能技术体系,推动了智能技术的大规模工程化落地——计算范式从PC到云到基于云的(通用)人工智能,可工程化落地的基于云的(通用)人工智能将在智能化时代重塑所有行业、全面释放行业创造力。

解读“全栈智能”

在传统工业时代,企业组织架构主要是面向稳定、缓慢、可预测的变化,而智能时代的企业组织架构则需要面向不确定性和持续的变化。一个最大的不确定性和持续的变化,就是由人工智能所创造的新业态、新生活和新体验。面向人工智能的业务创新则需要依靠技术运行,技术本身必须具备全栈能力,才能运行不断迭代变化的业务创新。

与互联网智能化相比,行业智能化是一个更为复杂的链条。作为数实融合的主战场,零售、制造、汽车等行业智能化首先要实现终端智能化,嵌入了AI的智能终端是获取行业和企业大数据、实现用户交互、完成数实闭环的重要环节;在终端智能化之上,是行业和企业的算力基础设施,特别是要覆盖云端和边缘计算,同时满足从超大规模参数到中小参数的AI模型训练和推理需求;在算力基础设施之上,就是各种面向数据中心、云和上层应用的方案与服务,也要全面嵌入AI,最终实现智能AI应用与体验。

在智能化新十年的起点,大模型的出现进一步向“端、边、云、网、智”不断压强AI,全面增强了“端、边、云、网、智”的AI密度,由此推动行业智能化从零散的智能走向“全栈智能”。我们具体来看下联想在2023中国算力大会上首次提出的“全栈智能”。

首先是“AI内嵌的智能终端”,实现智能体验的革命性升级。在终端领域,联想不仅保持了领先的市场地位,同时还具备强大的自研能力。联想正在利用AI技术,在交互体验、任务协同和应用服务等方面,重新定义智能终端,变革终端体验,创造更智能、更多样的智能终端。

在智能终端的创新方向上,联想认为,因为终端具有存储用户个性数据以及保护用户数据隐私的天然优势,终端将持续向更高性能、更低功耗发展,嵌入AI算力,为AI模型提供运行环境,极大地提升用户的体验。此外,终端将具备AI驱动的交互界面,用户可以通过更加自然的方式表达意图和需求,通过全新的方式操作终端。超级智能终端多设备之间还可以无缝协同,自主和自动地协同起来完成用户的任务。AI模型也能与用户习惯和数据充分结合、把各种应用统筹起来,更协同地完成用户的个性化任务,成为用户贴身的超级智能助理。

其次是“AI导向的基础设施”,即全面覆盖、性能领先、绿色低碳的算力设施,全球资源本地交付。联想AI导向的基础设施不仅性能领先,还全面覆盖云端、边缘算力场景,同时满足AI大模型和传统模型的训练、推理需求。

在2023中国算力大会上,联想发布了搭载8卡NVlink GPU 的AI大模型训练服务器和训推服务器新品。此外,联想积极应用水冷等先进绿色技术,使系统性能提升10%,数据中心能源成本缩减高达40%。针对中国本土需求,联想推出“联想问天”服务器品牌,与Lenovo ThinkSystem品牌,共同实现全球资源,本地交付。

接下来,联想认为,AI算法的训练负载将进一步向边缘和端下沉,推理负载将在云、边、端侧合理分配,而不仅是AIGC云,从而形成云/边/端混合架构,以发挥云/边/端各自的优势。在模型部署方面,将出现使用通用模型的公域模式、使用行业或企业定制模型的私域模式以及在终端设备上使用通用模型的个人剪裁版本的个人模式,以及三者的混合部署模式。而受智能计算需求的拉动,智算中心正在加速部署,同时传统IDC和超算中心也在增配智能算力,形成了智算/超算/通用算力混合发展的格局。

第三是“AI原生的方案服务”,也就是AI将在行业全场景应用,嵌入到各价值链,特别是AI在B端的广泛应用,能使企业得到指数级的效率提升。

AI原生的方案服务是“全栈智能”的点睛之笔。联想集团在2023中国算力大会上首次整体推出智算中心解决方案和服务核心产品,包括:三大类解决方案——联想大脑嵌入的解决方案、联想混合云解决方案、联想绿色低碳智算中心基础设施;两大类服务——端到端全周期联想智算中心服务以及按需订阅、灵活付费的联想臻算服务2.0。其中,联想大脑嵌入的解决方案是联想智算中心算力服务的有力抓手,目前在金融、教育、制造、能源等多个行业得到广泛应用。

值得一提的是联想全周期陪伴式服务,包括咨询规划服务、架构设计服务、集成实施服务以及运维运营服务。联想集团副总裁、中国区方案服务业务群总经理戴炜在2023中国算力大会上强调,联想方案服务配备了超过2万名专业工程师,遍布中国的3600家服务站,同时联想服务体系已经充分智能化,每年有超过1100万次的AI服务,缩短了5倍服务时长。

戴炜还强调,联想方案服务将以三种交付方式,支持三类场景(普算、智算、超算)的混合计算需求。这三种交付方式包括:混合云、臻算服务2.0订阅式和一站式。其中,混合云将帮助搭建多云纳管和一云多芯的管理平台,订阅式臻算服务2.0助力实现对算力的精细化交付,一站式建设和服务提供智算中心的“交钥匙工程”。

更进一步,联想集团近期表示,计划在未来三年追加70亿人民币以上投资,不仅加码AI基础设施的研发创新,也将在全球范围内加速部署人工智能的技术和应用,助力客户和消费者把握智能化变革的发展机遇,实现生产力的全面跃升。

由上可知,“全栈智能”一方面在行业智能化转型涉及的数据和终端、算力以及应用等各个环节增强AI密度,不断提升各环节的AI体验与性能,另一方面通过全周期陪伴式服务以及不断加大的投资,为行业和企业提供全案和全程以及可持续的智能化方案,成为行业的“Copilot智能助手”。

为什么是联想?

个人“Copilot智能助手”的价值在于足够“懂”个人,而企业和行业“Copilot智能助手”的价值在于足够“懂”企业和行业。联想率先在业界提出“全栈智能”,成为行业的“Copilot智能助手”,那么联想凭什么?理解了为什么是联想,也就理解了“全栈智能”的核心价值。

联想作为全球500强企业、全球第一大PC厂商、前五大移动手机厂商、第三大服务器厂商、第四大存储厂商等,联想自身就是全球最大的制造、零售和服务企业之一,具有庞大的生产、制造、零售、供应链、电商、服务等业态。就规模来说,联想公司运营规模庞大,在欧洲、亚太、北美、中国等全球180多个国家运营;而联想的业务复杂度高、挑战大,业务模式有To C,也有对于政府、大企业的To B模式。

早在2017年的时候,在充分意识到数字化和智能化转型对业务的重要意义,并前瞻性的对未来智能化爆发的市场需求做出了判断,联想集团率先开始以服务为导向的转型,并开启“以客户为中心转型”和“3S转型”两大转型。其意义在于:联想集团在积极推动自身的数字化和智能化转型前提下,通过“内生外化”的方式,将自身数字化和智能化转型的成果不断剥离出来,形成可以对外输出的产品、方案和服务。也就是说,联想集团在6年时间里推出的智能化产品、方案与服务,大部分都是率先在联想集团内部大规模部署和使用后,经过验证可以切实解决传统企业和行业痛点,能够真正帮助企业智能化的“真金白银”。

例如,联想“魔方”智能客服系统集智能机器人、在线客服、呼叫中心、工单系统、智能质检、智能运营、外呼营销于一体,提供全方位智慧客服解决方案,而该方案就源自于联想在中国每年线上服务量近2000万次、在线服务工程师只有不到400位、大部分(58.2%)问题都是由AI机器人自动解决。而联想智能排产生产调度系统,源自联想旗下的电脑制造企业联宝科技,每天生产的超过10万台电脑中80%是数量小于5台的客制化订单,排产复杂度约为10的160次方,介于国际象棋和围棋之间,在使用机器排产后,联宝科技每天排产时间从人工的6小时提升至只需要90秒。

正因为联想集团用自身的核心业务做“小白鼠”,推进全集团数字化和智能化转型,才孵化出了全栈的智能化技术、产品、方案以及全周期陪伴服务,并进一步成为推动行业转型 “全栈智能”。

例如,联想智算中心全周期陪伴式服务包括咨询设计、集成建设、运维服务和系统运营,特别是联想能够参与到智算中心的业务运营过程中,帮助算力服务“建得好”、运营方“卖得好”、客户“用得好”,联想可以通过两种方式来帮助客户提升智算中心业务运营能力——一是利用联想多年形成得庞大客户经营和覆盖能力帮助算力服务引流,二是利用联想多年积累的算力服务方案,也就是行业智能化场景方案,通过加强智能化产品能力来提升算力服务的“吸引力”和“竞争力”。

刘军在2023中国算力大会上强调,联想重构了IT架构并打造了具备云原生/中台化、AI智能和ESG特征的智能IT引擎——擎天。依托擎天引擎,从2018年开始到目前,联想共帮助超过500家中国客户的智能化转型,并于去年超越IBM成为除运营商之外的中国第二大IT服务提供商。也就是说,接下来的十年,联想不仅有自身的数字化和智能化转型实践,还共享了超过500家中国客户的智能化转型实践经验——作为行业的“Copilot智能助手”,联想的底气十足。

【全文总结】站在智能化新十年的起点,我们不再探讨云、大数据、人工智能、物联网等具体的技术,而根据企业和行业的实际转型痛点,将这些主流技术都集成起来,形成可高效落地的转型方案并实际推进转型的落地,进而支持人工智能业务创新,在智能时代“将所有行业都重做一遍”。联想“全栈智能”作为行业的“Copilot智能助手”,不仅提供了全栈的技术、产品、方案和服务,还以联想和上百家企业智能化转型实践为蓝本——无疑,这些将为智能化新十年打开更多更大的想象空间。(文/宁川)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/65828.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Vue: 编程式导航的跳转 和 传参

文章目录 编程式导航-基本跳转两种语法:path路径跳转name命令路由跳转 编程式导航-路由传参① 使用path路径跳转传参(query传参 或者 动态路由传参)②使用name命名路由跳转传参(query传参 或者 动态 编程式导航-基本跳转 点击跳转…

后端面试话术集锦第 十七 篇:MySQL面试话术

这是后端面试集锦第十七篇博文——MySQL面试话术❗❗❗ 1. 解释一下单列索引和联合索引 单列索引是指在表的某一列上创建索引。 联合索引是在多个列上联合创建索引。 单列索引可以出现在where条件的任何位置,而联合索引需要按照一定的顺序来写。在多条件查询的时候,联合索引…

垃圾回收 - 引用计数法

GC原本是一种“释放怎么都无法被引用的对象的机制”。那么人们自然而然就会想到,可以让所有对象事先记录下“有多少程序引用了自己”。让各对象知道自己的“人气指数”,从而让没有人气的对象自己消失,这就是引用计数法。 1、计数器 计数器表…

目标检测YOLO实战应用案例100讲-基于RFID与目标检测的种鹅个体产蛋信息监测系统研究(续)

目录 3.4.3 结果分析 基于ROI的目标计数与产蛋信息获取 4.1 引言 4.2 ROI区域划定

【题解】JZOJ6645 / 洛谷P4090 [USACO17DEC] Greedy Gift Takers P

洛谷 P4090 [USACO17DEC] Greedy Gift Takers P 题意 n n n 头牛排成一列,队头的奶牛 i i i 拿一个礼物并插到从后往前数 c i c_i ci​ 头牛的前面,重复无限次,问多少奶牛没有礼物。 题解 发现若一头牛无法获得礼物,那么它后…

personalized image enhancement 调研

Personalized Image Enhancement Using Neural Spline Color Transforms 这是TIP期刊 2020年的一篇论文,首先提出了一个能预测曲线的网络,预测一些锚点,根据锚点插值出连续的曲线,然后用曲线对raw image进行retouching。然后提出了…

【强化学习】MDP马尔科夫链

基本元素 状态集:表示智能体所处所有状态的全部可能性的集合。类似的集合,行为集,回报集决策:规定我在某个状态下,我做出某个action马尔可夫链:学术上来说是无记忆性质。说白了就是我只在乎我目前的状态。…

Ansible学习笔记9

yum_repository模块: yum_repository模块用于配置yum仓库的。 测试下: [rootlocalhost ~]# ansible group1 -m yum_repository -a "namelocal descriptionlocalyum baseurlfile:///mnt/ enabledyes gpgcheckno" 192.168.17.106 | CHANGED &g…

加快 MySQL 数据迁移

目录 一、先导 1. 自建目标实例 2. 配置目标主从 二、源导出 1. 生成查询用户权限的SQL语句 2. 生成权限的SQL语句 3. 生成创建非主键索引的SQL语句 4. 导出源库结构 5. 导出源库数据 三、目标导入 1. 目标实例设置 2. 创建用户与权限 3. 处理结构导出文件 4. 导…

eureka服务注册和服务发现

文章目录 问题实现以orderservice为例orderservice服务注册orderservice服务拉取 总结 问题 我们要在orderservice中根据查询到的userId来查询user,将user信息封装到查询到的order中。 一个微服务,既可以是服务提供者,又可以是服务消费者&a…

云端笔记系统-自动化测试

文章目录 1. 思维导图编写 Web 自动化测试用例2. 创建测试项目3. 根据思维导图设计【云端笔记】自动化测试用例3.1. 准备工具类3.2. 测试注册页面3.3. 测试登陆页面3.4. 测试添加博客页3.5. 测试我的博客列表页3.6. 测试修改博客页3.7. 测试博客列表页3.8. 测试博客详情页3.9. …

MATLAB中residue函数用法

目录 语法 说明 示例 求解具有实根的部分分式展开式 展开具有复数根和同次分子及分母的分式 展开分子次数高于分母次数的分式 residue函数的功能是部分分式展开(部分分式分解)。 语法 [r,p,k] residue(b,a) [b,a] residue(r,p,k) 说明 [r,p…

多维时序 | Matlab实现GRU-Adaboost和GRU多变量时间序列预测对比

多维时序 | Matlab实现GRU-Adaboost和GRU多变量时间序列预测对比 目录 多维时序 | Matlab实现GRU-Adaboost和GRU多变量时间序列预测对比预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 多维时序 | Matlab实现GRU-Adaboost和GRU多变量时间序列预测对比 模型描述 M…

Elasticsearch终端命令行用法大全

API作用使用场景curl localhost:9200/_cluster/health?pretty查看ES健康状态curl localhost:9200/_cluster/settings?pretty查看ES集群的设置其中persistent为永久设置,重启仍然有效;trainsient为临时设置,重启失效curl localhost:9200/_ca…

1921. 消灭怪物的最大数量

原题地址 解法一 排序贪心即可。思想为先计算出每一个怪兽到达城市的时间,然后排序,有小到大进行消灭,此时的下标可视作时间。当怪兽到达城市的时间超过或等于当前时间时,即已经到达了城市,游戏失败,下标…

PVE 8 出现CPU 100% 冻结(卡死)

最近在研究PVE,然后下载官方最新版本系统8.x安装好后出现卡死问题,就连开个软件CPU也能飙到100%,开始我以为是硬件问题可能是资源不够,但是将系统切换回裸机(不用PVE启动)一点问题也没有,后来逐…

Java 复习笔记 - 方法篇

文章目录 一,方法的定义二,最简单的方法定义和调用三,带参数的方法定义和调用四,带返回值方法的定义和调用五,小结六,方法的重载七,方法简单练习1,数组遍历2,数组最大值3…

每日一题 2511. 最多可以摧毁的敌人城堡数目

难度:简单 翻译:寻找距离最远的 1 和 -1 的组合,要求它们之间只有0 class Solution:def captureForts(self, forts: List[int]) -> int:res, t 0, -1for i, fort in enumerate(forts):if fort -1 or fort 1:if t > 0 and fort ! f…

YOLO目标检测——室内场景识别数据集下载分享

目标检测室内场景识别数据集可以广泛应用于各种需要对室内场景进行目标识别和跟踪的领域,包括安防监控、智能家居、物流仓储管理等 数据集点击下载: YOLO室内场景识别数据集(一)5950图片26类别.rar YOLO室内场景识别数据集&#…

【Python常用函数】一文让你彻底掌握Python中的numpy.clip函数

大数据时代的到来,使得很多工作都需要进行数据挖掘,从而发现更多有利的规律,或规避风险,或发现商业价值。而大数据分析的基础是学好编程语言。本文和你一起来探索Python中的clip函数,让你以最短的时间明白这个函数的原理。也可以利用碎片化的时间巩固这个函数,让你在处理…