AI訓(xùn)練
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時間：2026-01-05
AI訓(xùn)練的視頻教程
3DIC HBM的信號與電源完整性分析在AI芯片的應(yīng)用
適用人群：芯片/封裝設(shè)計工程師以及CAD (EDA軟件管理人員) 3DIC HBM的信號與電源完整性分析在AI芯片的應(yīng)用【已結(jié)束】? ? ? ? ? ? ? ? ? ? 直播時間：2020-05-07 16:00 HBM是云端AI訓(xùn)練和推理芯片的一個典型配置。HBM相對于傳統(tǒng)DDRx設(shè)計來說有更高的帶寬和功耗效率，時延很低，占用面積小的特點。
免費 1小時 384播放
查看
AI訓(xùn)練的實例教程
（GIVS AI深度學(xué)習(xí)訓(xùn)練平臺）
GIVS AI深度學(xué)習(xí)訓(xùn)練平臺涵蓋了分類、定位、分割與OCR四大功能模塊，每個模塊包含多種量級模型，共集成了十多種高精度神經(jīng)網(wǎng)絡(luò)模型。
參數(shù)設(shè)置簡潔方便，并預(yù)先進(jìn)行默認(rèn)值優(yōu)化，用戶也可根據(jù)任務(wù)的復(fù)雜程度，對模型類型和訓(xùn)練參數(shù)進(jìn)行自定義設(shè)置。模型訓(xùn)練完成后可進(jìn)行一鍵導(dǎo)出，與GIVS AI運行端無縫銜接。
然而，為了突破開發(fā)瓶頸并加速決策流程，Hero決定超越傳統(tǒng)FEA方法，引入人工智能（AI）和機(jī)器學(xué)習(xí)技術(shù)。為了幫助其CAE工程師在日常工作流中順利應(yīng)用AI和機(jī)器學(xué)習(xí)，Hero需要高效、強(qiáng)大且用戶友好的工具支持。</p><p><br></p><p>Hero的首個AI驅(qū)動項目聚焦于摩托車把手的設(shè)計優(yōu)化。作為摩托車的核心部件，把手的設(shè)計直接影響人機(jī)工程學(xué)、騎手姿勢以及車輛的操控性、平衡性、舒適性和整體風(fēng)格。由于其重要性，團(tuán)隊通常需要投入大量時間進(jìn)行把手的設(shè)計與優(yōu)化。為了實現(xiàn)目標(biāo)并縮短設(shè)計周期，Hero選擇了Altair的AI驅(qū)動技術(shù)。</p><p><br></p><p><br></p><p><strong>Altair解決方案</strong></p><p>Hero 選擇了Altair<sup>?</sup> PhysicsAI?，這是一項強(qiáng)大的幾何深度學(xué)習(xí)技術(shù)，能夠利用歷史數(shù)據(jù)訓(xùn)練AI模型，并在傳統(tǒng)FEA方法所需時間的一小部分內(nèi)生成物理預(yù)測結(jié)果。PhysicsAI的工作流程已無縫集成到仿真與設(shè)計平臺 Altair<sup>?</sup> HyperWorks<sup>?</sup>中，這使得Hero的所有用戶，無論技能水平如何，都能輕松將這一解決方案融入現(xiàn)有流程。</p><p><br></p><p>為了充分利用PhysicsAI，Hero首先將現(xiàn)有數(shù)據(jù)分為訓(xùn)練集和測試集：訓(xùn)練集用于基于歷史仿真數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)模型，測試集則用于評估和量化AI模型的預(yù)測準(zhǔn)確性。由于Hero的產(chǎn)品線涵蓋多種車型（如運動型摩托車、探險摩托車、通勤摩托車和巡航車等），團(tuán)隊使用了多樣化的把手?jǐn)?shù)據(jù)集，以確保AI模型能夠生成準(zhǔn)確的結(jié)果。</p><p><br></p><p>數(shù)據(jù)分割和模型訓(xùn)練是AI驅(qū)動工程流程中的關(guān)鍵步驟。
展開 近日，Habana Labs宣布美國圣地亞哥超算中心為Voyager研究計劃選擇了Habana Lab AI 加速器。后者是典型的ASIC（專用芯片），但是可與英偉達(dá)的GPU在AI訓(xùn)練市場一比高低。為何Habana Lab AI 加速器有如此強(qiáng)大的威力？未來的超算架構(gòu)會青睞哪種AI芯片？值此機(jī)會，電子產(chǎn)品世界記者采訪了Habana Labs中國區(qū)總經(jīng)理于明揚先生。
用于Voyager研究計劃的Habana Lab AI 加速器
據(jù)悉，超微 (Supermicro)提供內(nèi)置Habana? Gaudi? AI訓(xùn)練和Goya? AI推理加速器的高性能計算系統(tǒng)，將用于加州大學(xué)圣地亞哥分校圣地亞哥超級計算機(jī)中心（SDSC）的Voyager超級計算機(jī)，以提供高性能的AI計算能力，計劃于2021年秋季投入使用。
Voyager將致力于推進(jìn)跨學(xué)科和工程領(lǐng)域的人工智能研究。其采用了Habana獨特的互聯(lián)技術(shù)，用336片Gaudi加速器有效地提升了AI訓(xùn)練能力，這種架構(gòu)很好地擴(kuò)展了大型超級計算機(jī)的訓(xùn)練應(yīng)用。Gaudi是目前業(yè)界唯一內(nèi)置集成10個支持RoCE v2（RDMA over Converged Ethernet）100G以太網(wǎng)端口的AI處理器，可以有效提升擴(kuò)展的靈活性，避免擴(kuò)展能力受限于吞吐量。Voyager系統(tǒng)還采用了16片Habana Goya處理器用于AI推理模型。
之所以采用Habana的芯片，因為效率可以大為提升。
展開 4、AI服務(wù)器：更適合深度學(xué)習(xí)等AI訓(xùn)練場景
AI服務(wù)器采取GPU架構(gòu)，相較CPU更適合進(jìn)行大規(guī)模并行計算。通用服務(wù)器采用CPU作為計算能力來源，而AI服務(wù)器為異構(gòu)服務(wù)器，可以根據(jù)應(yīng)用范圍采用不同的組合方式，如CPUGPU、CPUTPU、CPU其他加速卡等，主要以GPU提供計算能力。從ChatGPT模型計算方式來看，主要特征是采用了并行計算。對比上一代深度學(xué)習(xí)模型RNN來看，Transformer架構(gòu)下，AI模型可以為輸入序列中的任何字符提供上下文，因此可以一次處理所有輸入，而不是一次只處理一個詞，從而使得更大規(guī)模的參數(shù)計算成為可能。而從GPU的計算方式來看，由于GPU采用了數(shù)量眾多的計算單元和超長的流水線，因此其架構(gòu)設(shè)計較CPU而言，更適合進(jìn)行大吞吐量的AI并行計算。
深度學(xué)習(xí)主要進(jìn)行矩陣向量計算，AI服務(wù)器處理效率更高。從ChatGPT模型結(jié)構(gòu)來看，基于Transformer架構(gòu)，ChatGPT模型采用注意力機(jī)制進(jìn)行文本單詞權(quán)重賦值，并向前饋神經(jīng)網(wǎng)絡(luò)輸出數(shù)值結(jié)果，這一過程需要進(jìn)行大量向量及張量運算。而AI服務(wù)器中往往集成多個AI GPU，AI GPU通常支持多重矩陣運算，例如卷積、池化和激活函數(shù)，以加速深度學(xué)習(xí)算法的運算。因此在人工智能場景下，AI服務(wù)器往往較GPU服務(wù)器計算效率更高，具備一定應(yīng)用優(yōu)勢。
AI服務(wù)器分類方式有兩種：
1）按應(yīng)用場景：AI服務(wù)器按照應(yīng)用場景可以分為深度學(xué)習(xí)訓(xùn)練型和智能應(yīng)用推理型。訓(xùn)練任務(wù)對服務(wù)器算力要求較高，需要訓(xùn)練型服務(wù)器提供高密度算力支持，典型產(chǎn)品有中科曙光X785-G30和華為昇騰Atlas 800（型號9000、型號9010）。推理任務(wù)則是利用訓(xùn)練后的模型提供服務(wù)，對算力無較高要求，典型產(chǎn)品有中科曙光X785-G40和華為昇騰Atlas 800（型號3000、型號3010）。
展開 
AI訓(xùn)練的相關(guān)專題、標(biāo)簽、搜索
AI訓(xùn)練的最新內(nèi)容
2027 年滲透率超 50%，新建數(shù)據(jù)中心半數(shù)以上標(biāo)配液冷；浸沒式在超算 / AI 訓(xùn)練集群占比快速提升。
五、2026 蘇州液冷展核心看點
集中展示微通道冷板、兩相浸沒、芯片級液冷等前沿技術(shù)與整機(jī)柜方案。
匯聚國產(chǎn)冷卻液、金剛石銅材料、智能運維系統(tǒng)等全產(chǎn)業(yè)鏈成果。
模型訓(xùn)練
系統(tǒng)
Ubuntu 22.04 LTS / RHEL 9
企業(yè)級 UQ 工具鏈、HPC 調(diào)度、容器化部署的最佳生態(tài)
網(wǎng)絡(luò)
100GbE + InfiniBand（可選）
接入企業(yè)計算集群，實現(xiàn)跨節(jié)點分布式 UQ
本次演講將介紹 Ansys SimAI 云原生 AI 仿真平臺，分享基于 LS-DYNA 數(shù)據(jù)訓(xùn)練 AI 代理模型、實現(xiàn)側(cè)面柱碰撞性能秒級預(yù)測的實踐，驗證 AI 在碰撞仿真中的高精準(zhǔn)度與效率優(yōu)勢，推動 CAE 工作流向 AI 增強(qiáng)的自主工程探索演進(jìn)，為汽車被動安全研發(fā)提供全新增效方案。
訓(xùn)練，規(guī)控算法測試，自動駕駛軟件工具鏈集成等領(lǐng)域的應(yīng)用與研究。
值得注意的是，借助這些更新，業(yè)內(nèi)容量可擴(kuò)展性最高的硬件仿真平臺 ZeBu Server 5 能夠支持更復(fù)雜設(shè)計，以滿足面向數(shù)據(jù)中心 AI 訓(xùn)練與推理、GPU、定制加速器以及網(wǎng)絡(luò) IPU/DPU 工作負(fù)載的超大規(guī)模設(shè)計需求。 HAPS 的模塊化 HAV 可實現(xiàn)面向軟件開發(fā)的最大規(guī)模原型，并在計算、存儲及啟動能力方面得到進(jìn)一步提高。
Ansys AVxcelerate自動駕駛仿真網(wǎng)絡(luò)研討會專題
時間：16:00-17:00
講師簡介：
劉宏鯤 | Ansys 高級應(yīng)用工程師
Ansys智駕領(lǐng)域應(yīng)用工程師，從事感知算法測試，基于生成式數(shù)據(jù)的AI訓(xùn)練，規(guī)控算法測試，自動駕駛軟件工具鏈集成等領(lǐng)域的應(yīng)用與研究。
生成式數(shù)據(jù)AI訓(xùn)練，自動駕駛軟件工具鏈集成。
適合人群：自動駕駛算法工程師、ADAS測試工程師、虛擬仿真專家
NO.3 新一代嵌入式軟件解決方案 - Ansys Scade One
核心價值：符合ISO 26262、DO-178C標(biāo)準(zhǔn)的嵌入式軟件開發(fā)。PyScadeOne API，融入Python生態(tài)圈。
三算力調(diào)度與任務(wù)管理的體系化增強(qiáng)
在V2026版本中，iDWS平臺對算力與任務(wù)管理相關(guān)功能進(jìn)行了系統(tǒng)增強(qiáng)，進(jìn)一步貼近工業(yè)仿真與 AI 訓(xùn)練的真實需求：
支持面向不同學(xué)科與任務(wù)類型的多策略算力調(diào)度：支持多學(xué)科仿真任務(wù)與AI訓(xùn)練任務(wù)并存的調(diào)度模式；
仿真任務(wù)并行執(zhí)行與隊列智能優(yōu)化，針對不同類型任務(wù)，采用差異化調(diào)度與資源分配策略，可進(jìn)行計算應(yīng)用作業(yè)分析；
7×24小時不間斷仿真運行與任務(wù)監(jiān)控
Ansys optiSLang?軟件中的Ansys SimAI連接器，實現(xiàn)從訓(xùn)練數(shù)據(jù)生成、AI模型訓(xùn)練到AI優(yōu)化和設(shè)計研究的端到端工作流程。
Ansys Engineering Copilot?現(xiàn)已集成到Ansys medini analyze、Ansys ModelCenter?和Ansys Rocky?軟件中，在用戶界面中直接提供智能的AI輔助支持。
在迅筑AI賦能訓(xùn)練平臺上輸入汽車前機(jī)艙蓋CAS面及周邊約束條件，Agent驅(qū)動CATIA V6，在2分鐘內(nèi)智能生成滿足設(shè)計規(guī)范和業(yè)務(wù)規(guī)則的發(fā)蓋內(nèi)板全參工程數(shù)模。這一突破，將原本2~4周的工作量壓縮至2分鐘，實現(xiàn)工程設(shè)計效率和設(shè)計質(zhì)量的質(zhì)的飛躍。同時在使用過程中產(chǎn)生的知識圖譜是訓(xùn)練AI大模型的重要原料。
