:品能移动电源怎么样 这款产品采用黑色外包装,正面印有外观渲染图,分三种配色。这款移动电源有三大卖点,分别是LCD显示屏、安全、支持快充。 包装盒背面是详细的参数信息。 移动电源采用阻燃PC机身,青灰配色,外壳为晒纹工艺,移动电源正面是靠近输出接口的位置是一块LCD电量显示屏,旁边印有“PINNENG”logo。除移动电源之外,还附赠了一套MicroUSB充电短线,方便用户充电时使用。 LCD电量显示屏除了显示电池剩余电量之外,还能显示充电电压和电流,用户可以实时查看手机的充电速度,提升了使用体验。 充电接口方面,配备了三种类型的接口,分别是USB-A、USB-C以及M...... Last article READ

华为「硬」生生把AI搞出暴力美学

  金磊发自凹非寺

  量子位报道公众号 QbitAI

  「华为速度」,在 AI 计算领域到底该如何评价?

  一言以蔽之:暴力美学。

  而且这种速度,由浅及深地拆分来看,可以分为两层

  首先,是物理意义上的超高速度

  这种能力在刚刚结束的第十六届全国高性能计算学术年会(CCF HPC China 2020),最能直接展现。

  在这场全球范围内、高性能计算领域最具影响力的三大顶会之一上,华为Atlas 900凭借其超强的 AI 算力,打破自己创下的纪录,在 ResNet-50 上的跑分仅需 28 秒。

  其次,是更深层次的华为 AI 速度

  从 2018 年华为全联接大会(HC)首次对外宣布 AI 战略开始,仅仅 2 年时间,便在技术、产业、人才和生态各方面,展露出了「领军姿态」。

  现在,是时候完整揭秘一下华为 AI 的暴力美学了。

  Atlas 900 速度如何问鼎业界第一?

  Atlas 900,从去年 9 月诞生开始,便打上了「世界最快 AI 产品」的标签。

  训练 ResNet-50 只需要 59.8 秒,比当时排名第二的选手快出了 15% 之多。

  而时隔短短一年,Atlas 900 超越自己,再次创造了世界纪录

  在 HPC 大会上,华为昇腾计算业务 CTO 周斌介绍道:

Atlas 900 凭借其超强的 AI 算力,使得 ResNet-50 的训练时间仅需28 秒!相比去年 59.8 秒的测试成绩缩短一半以上,体现了 Atlas 900 软硬件协同优化的持续演进能力。

  华为昇腾计算业务 CTO 周斌

  据介绍,集群芯片数量仅为1024 颗昇腾 910 芯片,而其它同类产品在芯片数量方面都要比 Atlas 要多,甚至达到了 2 倍。

  并且,从单芯片算力来看,昇腾 910 能够达到320TFLOPS的超高算力。

  在算力飞速迭代、发展的今天,Atlas 900 能够保持业界第一,离不开其背后的一套「杀手锏」

  这套「杀手锏」就是华为 AI 计算中心解决方案

  多样性算力方面,支持 GPU 和 NPU 资源统一调度和管理。

  除此之外,还提供端边云协同统一运维全栈服务等能力,这就使得 Atlas 900 在全球范围内具备竞争力。

  而这,就是华为在硬件方面的暴力速度。

  但在拥有了这样的速度之后,用来做什么,也是一个值得思考的问题。

  华为 AI 发力 HPC,Why?

  此次大会中,华为昇腾计算业务 CTO 周斌的一番演讲,道出了问题的答案。

  「我们处在爆炸式创新前夜」,这是周斌首先抛出来的一个观点。

  以数据量为例,从今年的 44ZB,预计到 2025 年,便会增长到 180ZB;智能互联网设备将从 340 亿增长到 1500 亿;计算中心 AI 的工作量将从现在的小于 10%,增长到 80%……

  虽然高性能计算(HPC)在处理海量数据问题时,能够带来一定的优势,但面对如此爆炸性增长,还是远远不够。

  新增的大量数据、接入设备,对计算带来了空前的挑战。

  对此,周斌在现场抛出了他的观察:

AI 和 HPC 的融合,是未来发展的一大趋势。

AI 改变传统 HPC 计算的求解方法。

  例如,2018 年入围「Gordon Bell」决赛的 6 个应用中,有半数用 AI+HPC 融合的应用示范。

  再者,在高性能计算领域著名榜单 Top500 中,近 30% 系统拥有加速卡/协处理器。换言之,越来越多的系统配有大量低精度算术逻辑单元,用来支撑人工智能计算能力需求。

  尤其榜单前十名都使用 AI 计算的能力。

  并且,「AI+HPC」已经在众多领域崭露头角:

  •   在全球气象领域,美国国家大气研究中心(NCAR) 用 CNN 网络预测冰雹概率, 用 82000 个不同的风暴样本训练后,测试 32000 个已知的风暴样本,冰雹预测准确率达 88%。

  •   在监控地球脉动方面,美国国家航空航天局 (NASA) 开发出通过深度学习网络 DeepSat,用于实现卫星图像分类和分割。

  •   在医学领域,佛罗里达大学和北卡罗来纳大学结合使用深度学习,开发出一种神经网络引擎,该引擎能够以超低成本生成计算快速的高精度分子模拟,用于药物研发。

  而这些工作、研究,若是仍旧采用传统 HPC 手段来处理,不仅成本上会有大量的消耗,效率方面也会大打折扣。

  一言蔽之,「AI+HPC,让一切皆可计算」

  这也正是华为发力 HPC 的原因,以 Atlas 900 为代表的「华为速度」也逐渐在此生根发芽。

  然而,Atlas 900 的速度,也只是华为 AI 暴力速度的冰山一角。

  如何评价华为 AI 的速度?

  暴力美学,为何可以这样评价。

  其实,回顾一下华为 AI 这两年的发展,便可知其一二。

  首先,是于技术

  华为 Atlas 人工智能计算解决方案,可以说是近年来华为在 AI 技术发展中的集大成者。

  从 2018 年首次提出,到现在仅仅 2 年时间,发展到了「云边端」全场景布局,而且在互联网、金融、能源、制造等众多领域实现了落地。

  再以「昇腾 AI 全栈」为例:

  •   AI 算子开发方面,「异构计算架构CANN」在两年时间里迭代到了 3.0 版本。

  •   AI 模型开发方面,全场景 AI 计算框架MindSpore在今年 3 月份正式开源,仅 6 个月后,便发布 1.0 版本。

  •   AI 应用开发方面,MindX 1.0极简易用的特性,能满足那些没有深度开发能力的开发者;以及ModelArts也已步入了 3.0 时代,从训练数据到模型落地一站式打通。

  •   全流程开发工具链 MindStudio2.0,涵盖了算子开发、模型训练、模型推理、应用开发和应用部署。

  当然,以昇腾为基础的 AI 全栈,也已成型。

  而它们的搭建,仅仅才 2 年时间。

  其次,产业维度,一组数据就能说明问题。

  以鲲鹏、昇腾为基础的发展过程中,已经涵盖了 30 万开发者、1000+ 合作伙伴、3000+ 解决方案认证,并且还在以每月,甚至是每周的速度在迭代更新。

  以如此速度在 AI 产业大步向前行进,道路的坎坷程度可想而知,而华为却说到做到。

  以及,于人才开发者高校

  华为已经在 70+ 所高校开设了 AI 课程,积累了 10 万+开发者进行 AI 开发,凝聚出了 120 多个行业智能化转型解决方案。

  今年,华为也会在推进 AI 技术研发的同时,再度加码生态培育——投入 2 亿美元发展计算产业生态。

  所以这种「暴力美学」,也会更快让高校和产业用得上、用得起、用得好~

  腾讯科技讯,诺贝尔化学奖,经常被吐槽为诺贝尔理综奖,这是由于化学奖经常颁发给生物,甚至物理方面的研究工作。2020 年,也是这种情况,颁发给了两位生物学家。   詹妮弗·杜德纳(Jennifer A . Doudna),1964 年出生于美国华盛顿特区,1989 年毕业于美国波士顿哈佛医学院。现任美国加州大学伯克利分校教授,霍华德·休斯医学研究所研究员。   埃马纽埃尔·卡彭蒂耶(Emmanuelle Charpentier),1968 年出生在法国朱维西。1995 年被授予法国巴黎巴斯德研究所博士。现任位于德国柏林的马克斯·普朗克病......Next article READ