DeepSeek kẹt chip tính toán, nghiên cứu AI tại các trường đại học gặp瓶颈？
Tuyển chọn TechFlowTuyển chọn TechFlow
DeepSeek kẹt chip tính toán, nghiên cứu AI tại các trường đại học gặp瓶颈？
Huawei hợp tác cùng 15 trường đại học đưa ra giải pháp tối ưu nhất.
Chuyên sâu báo cáo Web3Nguồn bài viết: Xin Zhi Yuan
Hình ảnh: Được tạo bởi Wujie AI
Thiên tài học máy tiến sĩ tại 5 trường đại học hàng đầu nước Mỹ, nhưng phòng thí nghiệm lại không có nổi một GPU nào cung cấp đủ năng lực tính toán?
Giữa năm 2024, một bài đăng trên Reddit của một cư dân mạng đã lập tức gây ra cuộc tranh luận lớn trong cộng đồng—
Đến cuối năm, một báo cáo từ Nature càng tiết lộ thách thức nghiêm trọng mà giới học thuật đang đối mặt trong việc tiếp cận GPU — các nhà nghiên cứu thậm chí phải xếp hàng xin thời gian sử dụng cụm GPU của trường.
Tương tự, tại các phòng thí nghiệm đại học ở Trung Quốc, tình trạng thiếu hụt nghiêm trọng GPU cũng rất phổ biến. Thậm chí từng xuất hiện tin tức vô lý là một trường đại học yêu cầu sinh viên tự trang bị năng lực tính toán để đi học.
Có thể thấy, nút thắt "năng lực tính toán" này thậm chí đã biến chính AI thành một môn học cực kỳ kén chọn người theo học.
Nhân sự AI khan hiếm, đồng thời thiếu hụt năng lực tính toán
Đồng thời, sự phát triển mạnh mẽ của các công nghệ tiên phong như mô hình lớn và trí tuệ thân thể đang gây ra tình trạng thiếu nhân tài trên toàn cầu.
Theo tính toán của giáo sư Đại học Oxford, tại Hoa Kỳ, tỷ lệ việc làm yêu cầu kỹ năng AI đã tăng gấp 5 lần.
Nhìn rộng ra toàn cầu, số lượng vị trí việc làm trong lĩnh vực công nghệ AI (Tech-AI) tăng 9 lần, còn vị trí việc làm trong lĩnh vực AI tổng quát (Broad-AI) tăng 11,3 lần.
Trong giai đoạn này, mức tăng tại châu Á đặc biệt nổi bật.
Mặc dù các trường đại học khắp nơi trên thế giới đều đang cố gắng giúp sinh viên nắm bắt những kỹ năng AI then chốt, nhưng như đã nói ở trên, năng lực tính toán ngày nay đã trở thành một "thứ xa xỉ".
Để thu hẹp khoảng cách này, hợp tác giữa doanh nghiệp và trường đại học đã trở thành một biện pháp quan trọng.
Trung tâm Sáng tạo Giáo dục và Khoa học Kunpeng Ascend, khởi động bố cục nghiên cứu khoa học cho các trường đại học
May mắn thay, để xây dựng hệ thống đổi mới tương tự tại các trường đại học Trung Quốc, Huawei đã bắt đầu hành động!
Hiện tại, Huawei đã ký kết hợp tác với 5 trường đại học hàng đầu gồm Đại học Bắc Kinh, Đại học Thanh Hoa, Đại học Giao thông Thượng Hải, Đại học Chiết Giang và Đại học Khoa học Kỹ thuật Trung Quốc về dự án "Trung tâm Xuất sắc Sáng tạo Giáo dục và Khoa học Kunpeng Ascend".
Bên cạnh đó, Huawei cũng đồng thời đẩy mạnh hợp tác với 10 trường đại học khác bao gồm Đại học Phúc Đán, Đại học Công nghệ Harbin, Đại học Khoa học và Công nghệ Trung Nam, Đại học Giao thông Tây An, Đại học Nam Kinh, Đại học Hàng không Vũ trụ Bắc Kinh, Đại học Khoa học và Công nghệ Bắc Kinh, Đại học Khoa học Điện tử, Đại học Đông Nam và Đại học Bưu điện Bắc Kinh về dự án "Trung tâm Ươm tạo Sáng tạo Giáo dục và Khoa học Kunpeng Ascend".
Sự ra đời của Trung tâm Xuất sắc và Trung tâm Ươm tạo là biểu tượng tiêu biểu cho sự tích hợp sản xuất - giáo dục:
-
Thông qua việc đưa vào hệ sinh thái Ascend, bù đắp sự thiếu hụt năng lực tính toán cho các trường đại học, thúc đẩy mạnh mẽ việc bùng nổ nhiều thành quả nghiên cứu khoa học hơn;
-
Thông qua cải cách hệ thống giảng dạy, lấy các đề tài nghiên cứu khoa học, đề tài ngành nghề và đề tài thi đấu làm động lực, nhằm đào tạo nhân tài hàng đầu cho ngành công nghiệp tính toán;
-
Thông qua việc tập trung giải quyết kiến trúc hệ thống, khả năng tăng tốc tính toán, khả năng thuật toán và năng lực hệ thống, phấn đấu tạo ra những thành quả đổi mới mang tầm cỡ thế giới;
-
Thông qua việc xây dựng nhiều ngành liên ngành "AI+X", dẫn dắt sự phát triển sinh thái thông minh hóa.
Xây dựng nền tảng tính toán nội địa hoàn toàn độc lập cho nghiên cứu AI
Ngày nay, ý nghĩa của AI for Science đã quá rõ ràng.
Theo khảo sát mới nhất từ Google DeepMind, cứ ba nhà nghiên cứu hậu tiến sĩ thì có một người sử dụng mô hình ngôn ngữ lớn để hỗ trợ hoàn thành các công việc như tổng quan tài liệu, lập trình và viết bài.
Và 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 nhờ hiệu suất vượt trội trong các lĩnh vực đòi hỏi tính toán hiệu năng cao, cùng khả năng mạnh mẽ trong huấn luyện và suy luận LLM, đã trở thành "vàng" quý giá, bị các công ty lớn như Microsoft, xAI, OpenAI tranh giành ráo riết.
Tuy nhiên, lệnh phong tỏa GPU từ Mỹ khiến tiến trình của Trung Quốc trong lĩnh vực AI và nghiên cứu khoa học gặp vô vàn khó khăn.
Để vượt qua rào cản này, chúng ta phải xây dựng và phát triển một hệ sinh thái độc lập, hoàn chỉnh.
Về mặt năng lực tính toán, bộ xử lý AI dòng Ascend của Huawei đang đảm nhận trọng trách tái thiết năng lực cạnh tranh cho Trung Quốc.
Và trên nền tảng năng lực tính toán, chúng ta còn cần một khung tính toán tự nghiên cứu để thích nghi, nhằm phát huy tối đa lợi thế của NPU/bộ xử lý AI.
Khá nổi tiếng, kiến trúc CUDA được thiết kế riêng cho GPU Nvidia khá phổ biến trong lĩnh vực AI và khoa học dữ liệu.
Ở Trung Quốc, thực sự có thể cân bằng và thay thế CUDA chỉ có CANN.
Là kiến trúc tính toán dị biệt do Huawei phát triển dành riêng cho các kịch bản AI, CANN hỗ trợ phía trên các khung AI phổ biến hàng đầu như PyTorch, TensorFlow và MindSpore, đồng thời kích hoạt bộ xử lý AI Ascend ở phía dưới, là nền tảng then chốt nâng cao hiệu suất tính toán của bộ xử lý AI Ascend.
Chính vì vậy, CANN vốn dĩ đã sở hữu nhiều ưu thế kỹ thuật. Trong đó quan trọng nhất là tối ưu hóa sâu sắc phần cứng-không mềm cho tính toán AI và ngăn xếp phần mềm mở rộng hơn:
-
Thứ nhất, nó hỗ trợ nhiều khung AI, bao gồm MindSpore do Huawei tự phát triển, cũng như PyTorch, TensorFlow bên thứ ba;
-
Thứ hai, nó cung cấp các giao diện lập trình nhiều cấp độ cho các kịch bản ứng dụng đa dạng, hỗ trợ người dùng nhanh chóng xây dựng các ứng dụng và dịch vụ AI trên nền tảng Ascend;
-
Thứ ba, nó cung cấp công cụ chuyển đổi mô hình, giúp các nhà phát triển dễ dàng di chuyển dự án sang nền tảng Ascend.
Hiện tại, CANN đã ban đầu xây dựng được hệ sinh thái riêng. Về mặt kỹ thuật, CANN bao gồm lượng lớn ứng dụng, công cụ, thư viện, sở hữu hệ sinh thái kỹ thuật hoàn chỉnh, mang đến trải nghiệm phát triển một điểm dừng cho người dùng. Đồng thời, đội ngũ nhà phát triển dựa trên nền tảng công nghệ Ascend cũng đang ngày càng lớn mạnh, tạo nền tảng tốt cho ứng dụng và đổi mới công nghệ trong tương lai.
Trên nền tảng kiến trúc tính toán dị biệt CANN, chúng ta còn cần khung học sâu để xây dựng mô hình AI.
Gần như tất cả các nhà phát triển AI đều cần dùng khung học sâu, và gần như mọi thuật toán DL và ứng dụng đều phải thực hiện thông qua khung học sâu.
Hiện nay trên thị trường đã có các khung phổ biến như Google TensorFlow và Meta PyTorch, đồng thời đã hình thành hệ sinh thái khổng lồ.
Bước vào thời đại huấn luyện mô hình lớn, khung học sâu còn cần phải huấn luyện hiệu quả khi quy mô lên tới hàng ngàn máy tính.
Khung học sâu mã nguồn mở cho mọi kịch bản - Huawei Ascend MindSpore, chính thức ra mắt tháng 3 năm 2020, đã lấp đầy khoảng trống trong lĩnh vực này tại Trung Quốc, đạt được sự kiểm soát và chủ quyền thực sự.
MindSpore sở hữu các đặc tính then chốt như triển khai mọi kịch bản điện - biên - đám mây, hỗ trợ bản địa cho huấn luyện mô hình lớn, hỗ trợ AI + tính toán khoa học, xây dựng môi trường phát triển bản địa toàn cảnh và toàn quy trình đơn giản hóa, đẩy nhanh đổi mới nghiên cứu khoa học và ứng dụng công nghiệp trong nước.
Đặc biệt, với tư cách là "người bạn đồng hành hoàn hảo" cho bộ xử lý AI Ascend, MindSpore hỗ trợ mọi kịch bản điện - biên - đám mây, có thể thực hiện kiến trúc thống nhất, huấn luyện một lần, triển khai nhiều nơi.
Từ mô phỏng hệ thống trái đất, xe tự lái đến dự đoán cấu trúc protein, tất cả đều có thể thực hiện thông qua MindSpore.
Khung học sâu mã nguồn mở, chỉ khi có hệ sinh thái nhà phát triển rộng rãi mới thúc đẩy sự hoàn thiện, giải phóng giá trị lớn hơn.
Báo cáo điều tra thị trường khung AI Trung Quốc năm 2023 do tổ chức nghiên cứu Omdia công bố cho thấy, MindSpore đã vươn lên nhóm đầu tiên về tỷ lệ sử dụng khung AI, chỉ xếp sau TensorFlow.
Bên cạnh đó, các ứng dụng suy luận trong hàng ngàn ngành nghề mới là chìa khóa giải phóng giá trị AI. Trong quá trình GenAI phát triển nhanh chóng, nhu cầu cao về tăng tốc độ suy luận từ cả trường đại học lẫn doanh nghiệp đều cần được giải quyết cấp bách.
Ví dụ, trình biên dịch tối ưu hiệu suất cao TensorRT chính là công cụ đắc lực nâng cao hiệu suất suy luận mô hình lớn. Nhờ định lượng và độ thưa, nó có thể giảm độ phức tạp của mô hình, từ đó tối ưu hóa hiệu quả tốc độ suy luận mô hình học sâu. Nhưng vấn đề nằm ở chỗ, nó chỉ hỗ trợ GPU của Nvidia.
Tương tự như vậy, khi đã có kiến trúc tính toán, khung học sâu, chúng ta cũng sẽ có công cụ suy luận đi kèm — Huawei Ascend MindIE.
MindIE là một công cụ tăng tốc suy luận AI toàn cảnh, tích hợp các công nghệ tăng tốc suy luận tiên tiến nhất trong ngành, kế thừa các đặc tính của PyTorch mã nguồn mở.
Thiết kế của nó cân bằng linh hoạt và thực tiễn, có thể kết nối liền mạch với nhiều khung AI phổ biến, đồng thời hỗ trợ các loại bộ xử lý AI Ascend khác nhau, cung cấp giao diện lập trình nhiều cấp độ cho người dùng.
Thông qua tối ưu hóa toàn bộ stack, cách tiếp cận mở từng lớp năng lực AI, MindIE có thể giải phóng năng lực tính toán cực hạn của phần cứng Ascend, cung cấp giải pháp suy luận học sâu hiệu quả, nhanh chóng cho người dùng, giải quyết các vấn đề kỹ thuật khó, bước phát triển nhiều trong suy luận mô hình và phát triển ứng dụng, nâng cao hiệu suất thông lượng mô hình, rút ngắn thời gian ra mắt ứng dụng, cho phép trăm mô hình nghìn trạng thái, đáp ứng nhu cầu đa dạng của nghiệp vụ AI.
Có thể thấy, các công nghệ sáng tạo độc lập như CANN, MindSpore, MindIE không chỉ khắc phục điểm yếu năng lực tính toán nội địa, mà còn đạt được bước đột phá vượt bậc trong huấn luyện mô hình, tính dễ dùng của khung, hiệu suất suy luận, thậm chí trực tiếp so sánh với các stack công nghệ tiên tiến nước ngoài.
Xây dựng trung tâm ươm tạo mang tầm cỡ thế giới
Bên cạnh lợi thế về công nghệ, có thể nói rằng trong vài thập kỷ tới, việc sử dụng năng lực tính toán Ascend còn phù hợp hơn với nhu cầu quốc tình.
Chỉ có năng lực tính toán nội địa tự nghiên cứu mới có thể thoát khỏi ảnh hưởng của môi trường bên ngoài biến động, đảm bảo sự ổn định của nền tảng nghiên cứu khoa học.
Hiện tại, nền tảng đã sẵn sàng, làm sao để giáo viên và sinh viên các trường đại học học cách sử dụng?
Từ ngày 6 tháng 9 năm ngoái, Huawei đã lần lượt tổ chức khóa huấn luyện đặc biệt AI Ascend一期 tại bốn trường đại học lớn là Bắc Kinh, Thượng Hải, Chiết Giang, Trung Quốc. Trong số hàng trăm sinh viên đăng ký tham gia, 90% là học viên cao học và tiến sĩ, khóa học bao gồm nhiều môn như CANN, MindSpore, MindIE, MindSpeed, HPC, công cụ phát triển Kunpeng thuộc lĩnh vực Ascend.
Trong khóa huấn luyện, sinh viên không chỉ tìm hiểu chi tiết các công nghệ cốt lõi mà còn có cơ hội thực hành. Cách sắp xếp này rất phù hợp với đặc điểm tiếp thu kiến thức mới của sinh viên, từ dễ đến khó, từng bước tiến dần.
Ví dụ tại buổi ở Thượng Hải, ngày đầu tiên tập trung vào chủ đề chuyển đổi, giúp sinh viên hiểu về giải pháp phần cứng-phần mềm cơ bản Ascend AI, thực hành chuyển đổi mô hình Pytorch sang phát triển bản địa Ascend, đặc điểm và ví dụ chuyển đổi giải pháp suy luận MindIE, v.v.
Ngày thứ hai tập trung vào chủ đề tối ưu hóa, bao gồm kiến trúc tính toán dị biệt Ascend CANN, phát triển toán tử Ascend C, thực hành tối ưu hóa suy luận chuỗi dài mô hình lớn, v.v.
Việc thiết lập các khóa học chuyển đổi và tối ưu hóa thật sự là kế hoạch lâu dài.
Hãy nhớ rằng, nhiều khóa thực hành tại các trường đại học hiện nay chủ yếu dựa trên thiết lập CUDA/X86, nhưng dưới ảnh hưởng chế tài, vấn đề thiếu năng lực tính toán ngày càng rõ rệt. Lúc này, nếu nắm được phương pháp chuyển đổi, có thể đưa dự án lên nền tảng Ascend, duy trì hoạt động học thuật.
Sau khi nắm vững kiến thức cơ bản, sinh viên có thể tự tay thực hành trong phần ví dụ thực tế. Chuyên gia Huawei sẽ hướng dẫn tận tay sinh viên, giúp họ học công nghệ stack Ascend, trải nghiệm toàn bộ quy trình suy luận mô hình lớn trong quá trình định lượng mô hình lớn, suy luận, triển khai mã Codelabs, v.v.
Sau thực hành, sinh viên sẽ hiểu sâu hơn về hệ sinh thái Ascend thông qua trải nghiệm trực tiếp, đặt nền móng vững chắc cho công việc trong lĩnh vực công nghệ sau này.
Sinh viên tại khóa huấn luyện đặc biệt一期 tại Thượng Hải đang thực hành
Bên cạnh khóa học, Huawei còn tổ chức cuộc thi thách thức toán tử dành cho nhà phát triển đại học, tìm kiếm nhân tài phát triển toán tử.
Giải đấu khuyến khích nhà phát triển đổi mới sâu và thực hành dựa trên tài nguyên năng lực tính toán Ascend và năng lực cơ bản CANN, đẩy nhanh sự hòa nhập AI với ngành nghề, thúc đẩy nâng cao năng lực nhà phát triển.
Bên cạnh đó, trung tâm ươm tạo cũng rất coi trọng thành quả học thuật.
Sinh viên thực hiện nghiên cứu học thuật dựa trên các công cụ và công nghệ then chốt tính toán Kunpeng hoặc Ascend có thể đăng ký học bổng sau đại học. Trong thời gian này, nếu bài báo được đăng trên các hội nghị đỉnh cao quốc tế và tạp chí hàng đầu trong nước, cũng sẽ nhận được phần thưởng tương ứng.
Đồng thời, Huawei còn phối hợp cùng các đối tác hệ sinh thái Kunpeng & Ascend, phát động chương trình nhân tài ưu tú.
Chương trình này giúp sinh viên chuyển từ lý thuyết sang thực tiễn, bước vào môi trường làm việc thực tế của doanh nghiệp, đồng thời giúp sinh viên xuất sắc sớm kết nối với doanh nghiệp.
Hiện nay, chương trình nhân tài ưu tú đã hợp tác với hơn 200 doanh nghiệp tại 15 thành phố, cung cấp hơn 2.000 vị trí kỹ thuật, giúp hơn 10.000 sinh viên đại học có được việc làm.
Tóm lại, thông qua các thực hành giảng dạy và chương trình khuyến khích này, có thể tăng đáng kể nhiệt huyết tham gia của sinh viên. Không chỉ giúp họ nâng cao kinh nghiệm học thuật, tạo ra thành quả nghiên cứu, mà còn làm cho hồ sơ và bối cảnh thêm nổi bật, từ đó được cộng thêm điểm trên thị trường việc làm, dễ dàng giành được sự ưu ái từ các công ty hàng đầu trong và ngoài nước.
Vậy, sau khi nắm vững công nghệ mới nhất và cách vận dụng, làm thế nào để trong bối cảnh AI thay đổi từng ngày hôm nay, nuôi dưỡng ra những thành quả nghiên cứu thực sự đột phá?
Kể từ khi Sora khuấy động làn sóng AI sinh video năm 2024, các mô hình lớn sinh video từ văn bản liên tục xuất hiện. Dự án mã nguồn mở sinh video từ văn bản Open-Sora Plan của Đại học Bắc Kinh và Tu Zhan từng gây chấn động trong ngành.
Thực ra ngay khi Sora ra mắt, nhóm đã bắt đầu chuẩn bị cho phiên bản mã nguồn mở, nhưng do yêu cầu về năng lực tính toán và dữ liệu không đạt được, dự án一度 bị đình trệ. May mắn thay, Đại học Bắc Kinh và Huawei cùng thành lập Trung tâm Xuất sắc Sáng tạo Giáo dục và Khoa học Kunpeng Ascend, giúp nhóm nhanh chóng nhận được hỗ trợ năng lực tính toán.
Ban đầu nhóm sử dụng Nvidia A100, sau khi chuyển sang hệ sinh thái Ascend, họ có nhiều phát hiện bất ngờ—
Việc hỗ trợ CANN có thể thực hiện tính toán song song hiệu quả, đáng kể tăng tốc độ xử lý tập dữ liệu quy mô lớn; thư viện giao diện Ascend C đơn giản hóa quy trình phát triển ứng dụng AI; thư viện tăng tốc toán tử tiếp tục tối ưu hóa hiệu suất chạy thuật toán.
Quan trọng hơn, hệ sinh thái Ascend mở giúp nhanh chóng thực hiện thích nghi mô hình lớn và ứng dụng.
Do đó, mặc dù các thành viên nhóm tiếp xúc hệ sinh thái Ascend từ con số 0, họ vẫn có thể nhanh chóng làm chủ trong thời gian ngắn.
Trong các buổi huấn luyện tiếp theo, nhóm liên tục có những phát hiện thú vị: ví dụ khi phát triển bằng torch_npu, toàn bộ mã có thể huấn luyện và suy luận liền mạch trên NPU Ascend.
Khi cần phân chia mô hình, bộ công cụ tăng tốc phân tán MindSpeed Ascend cung cấp các thuật toán phân tán mô hình lớn và chiến lược song song phong phú.
Bên cạnh đó, trong huấn luyện quy mô lớn, độ ổn định của MindSpeed và phần cứng Ascend vượt xa các nền tảng tính toán khác, có thể liên tục hoạt động suốt một tuần không gián đoạn.
Do đó, chỉ sau một tháng ngắn ngủi, Open-Sora Plan chính thức ra mắt, nhận được sự công nhận lớn từ ngành.
Đoạn hình ảnh Black Myth: Wukong do Open-Sora Plan tạo ra đẹp như phim điện ảnh, làm kinh ngạc vô số cư dân mạng
Bên cạnh đó, hướng tới năng lực tính toán Ascend, Đại học Đông Nam còn phát triển mô hình lớn giao thông đa dạng thức MT-GPT.
Trước đây việc triển khai mô hình lớn giao thông rất khó khăn, nguyên nhân bao gồm vấn đề dữ liệu cô lập do các cơ quan chính phủ khác nhau thu thập dữ liệu, định dạng và tiêu chuẩn dữ liệu không thống nhất, dữ liệu giao thông dị nguồn đa dạng, v.v.
Để giải quyết các vấn đề này, nhóm đã đặc biệt thiết kế một khung khái niệm mô hình lớn giao thông đa dạng thức gọi là MT-GPT (Multimodal Transportation Generative Pre-trained Transformer), cung cấp dữ liệu cho các vấn đề quyết định đa chiều, đa mức độ trong nhiệm vụ hệ thống giao thông đa dạng thức.
Tuy nhiên, việc phát triển và huấn luyện mô hình lớn rõ ràng đòi hỏi rất cao về nền tảng năng lực tính toán.
Do đó, nhóm chọn tận dụng năng lực AI Ascend để tăng tốc phát triển, huấn luyện, tinh chỉnh và triển khai mô hình lớn giao thông.
Trong giai đoạn phát triển, bộ công cụ phát triển mô hình lớn Transformer, thông qua ngữ liệu kiến thức dị nguồn đa dạng và mã hóa đặc trưng đa dạng thức, cùng nâng cao độ chính xác hiểu vấn đề sinh đa dạng thức.
Trong giai đoạn huấn luyện, bộ công cụ tăng tốc huấn luyện phân tán MindSpeed Ascend cung cấp thuật toán tăng tốc đa chiều, đa dạng thức, đa dạng thức cho mô hình lớn giao thông.
Trong giai đoạn tinh chỉnh, chuỗi công cụ toàn quy trình MindStudio Ascend kết hợp tinh chỉnh kiến thức chuyên ngành giao thông để huấn luyện tinh chỉnh.
Trong giai đoạn triển khai, công cụ suy luận MindIE Ascend có thể hỗ trợ suy luận một điểm dừng cho mô hình lớn giao thông, đồng thời hỗ trợ phân tích, phát triển, gỡ lỗi và tinh chỉnh di chuyển xuyên thành phố.
Tóm lại có thể thấy, Open-Sora của Đại học Bắc Kinh là dự án chuyển đổi Sora, đồng thời với tư cách là dự án mã nguồn mở, nó cũng có thể hỗ trợ tốt hơn cho các nhà phát triển toàn cầu ứng dụng vào nhiều kịch bản hơn.
Trong khi đó, mô hình lớn giao thông đa dạng thức MT-GPT của Đại học Đông Nam thể hiện năng lực thực tế của năng lực tính toán Ascend trong chuyển hóa thành quả, trực tiếp hỗ trợ ngành giao thông đô thị.
Do đó, đã hình thành đầy đủ vòng khép kín sản - học - nghiên cứu.
Những thành quả phong phú này càng chứng minh thêm: Trung tâm Xuất sắc/Trung tâm Ươm tạo không chỉ cung cấp mảnh đất màu mỡ cho các trường đại học trong nghiên cứu học thuật, đổi mới khoa học, mà còn có thể đào tạo một lượng lớn nhân tài AI hàng đầu, từ đó ươm tạo ra các thành quả nghiên cứu dẫn đầu thế giới.
Ví dụ, trong quá trình nhóm Đại học Bắc Kinh nghiên cứu Open-Sora Plan, thầy Yuan Li mỗi ngày đều tổ chức các buổi brainstorming với sinh viên và nhóm Ascend Huawei về phát triển mã và thuật toán.
Trong quá trình mò mẫm qua sông, nhiều sinh viên nhóm Đại học Bắc Kinh trực tiếp tham gia vào một thực hành nghiên cứu chất lượng cao, thể hiện sức sáng tạo nghiên cứu cực kỳ cao.
Đội ngũ này với tuổi trung bình 23 tuổi cũng trở thành lực lượng nòng cốt thúc đẩy ứng dụng video AI nội địa.
Trong quá trình này, đội ngũ sinh viên trẻ nắm vững hệ sinh thái Kunpeng Ascend cũng không ngừng lớn mạnh.
Do đó, các trường đại học dựa trên năng lực tính toán nội địa, nền tảng để nghiên cứu, không chỉ nhận được sự hỗ trợ trí tuệ hàng đầu, mà trong quá trình này còn mở rộng hệ sinh thái và ứng dụng công nghệ Huawei.
Trung Quốc nên xây dựng hệ thống đổi mới như thế nào?
Có thể thấy, mô hình hợp tác mới doanh nghiệp - nhà trường này, Huawei đã chính thức khởi航.
Từ khi thành lập đường dây sản phẩm tính toán năm 2019, Huawei nhanh chóng ký kết dự án hợp tác "Nền tảng Trí tuệ" với Bộ Giáo dục vào năm 2020, triển khai hợp tác giảng dạy tại 72 trường đại học hàng đầu cả nước.
Thời điểm đó, một số kiến thức công nghệ Kunpeng/Ascend đã được tích hợp vào các môn học bắt buộc bậc đại học.
Tuy nhiên, đầu tư vào trường đại học là một quá trình nuôi dưỡng trung và dài hạn. Chỉ khi sinh viên và giáo viên được tiếp cận công nghệ liên quan trước, mới có thể phát huy giá trị lớn hơn trong nhiều năm tới.
Do đó, Huawei lên kế hoạch đầu tư 1 tỷ Nhân dân tệ mỗi năm để phát triển hệ sinh thái bản địa và nhân tài Kunpeng, Ascend. Việc thực hiện chiến lược này sẽ cung cấp nguồn lực phong phú hơn và không gian phát triển rộng lớn hơn cho nhân tài trường đại học và nhà phát triển, đồng thời đã khởi động kế hoạch tặng 100.000 bảng phát triển Kunpeng và bảng suy luận Ascend, khuyến khích họ tích cực khám phá và ứng dụng công nghệ Kunpeng, Ascend trong thí nghiệm giảng dạy, thực hành thi đấu và đổi mới khoa học công nghệ.
Theo kế hoạch này, giáo viên và sinh viên có thể tiếp cận và thử nghiệm bảng phát triển. Dù là giảng dạy của giáo viên hay thí nghiệm nghiên cứu, cán bộ giáo viên sinh viên đều có thể thử nghiệm những đổi mới mình muốn trên đó, khơi gợi cảm hứng mới.
Bảng phát triển OrangePi AIpro do Orange Pi hợp tác với Huawei Ascend ra mắt, đáp ứng nhu cầu xác minh nguyên mẫu hầu hết các thuật toán AI, phát triển ứng dụng suy luận, có thể áp dụng rộng rãi trong các lĩnh vực như tính toán biên AI, học sâu thị giác, máy bay không người lái, điện toán đám mây, thể hiện sức mạnh lớn và tính ứng dụng rộng rãi
Mặt khác, tình hình đặc biệt hiện nay của Trung Quốc — bị phong tỏa công nghệ từ bên ngoài, cũng có nghĩa thời gian dành cho chúng ta không còn nhiều. Chúng ta nhất thiết phải có một stack công nghệ độc lập, kiểm soát được.
Phát triển bản địa, trong tương lai đã trở thành điều tất yếu. Chỉ có Made in China mới phù hợp nhất với xu hướng quốc gia lớn của Trung Quốc trong tương lai.
Khi nội địa hóa trở thành xu thế tất yếu, các stack công nghệ nội địa như Kunpeng/Ascend cũng sẽ lan tỏa đến mọi cơ sở hạ tầng CNTT.
Sự khởi航 của Trung tâm Xuất sắc và Trung tâm Ươm tạo cũng khiến ngành ngày càng tự tin hơn.
Có thể dự đoán, sau vài năm ươm tạo, nhân tài nghiên cứu khoa học nắm vững nền tảng công nghệ nội địa sẽ không ngừng phát huy rộng rãi tuyến công nghệ Kunpeng/Ascend, ươm tạo ra đủ thành quả nghiên cứu đủ sức dẫn dắt thế giới.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
