Νέα

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

έξυπνα πράγματα
ΣυγγραφέαςZeR0
Συντάκτης Mo Ying

«Πριν ανοίξουμε τη βρύση, δεν χρειάζεται να γνωρίζουμε από ποιο ποτάμι προέρχεται το νερό. Ομοίως, όταν χρησιμοποιούμε διάφορες εφαρμογές τεχνητής νοημοσύνης στο μέλλον, δεν θα γνωρίζουμε ποια βασικά μοντέλα καλεί και ποιες κάρτες επιτάχυνσης χρησιμοποιεί. Υπολογιστική ισχύς—αυτή είναι η καλύτερη υποδομή τεχνητής νοημοσύνης».

Αυτή η εγγενής υποδομή AI πρέπει να κατασκευαστεί από κοινού από όλους. Στις 4 Ιουλίου, στο φόρουμ υποδομής AI του Παγκόσμιου Συνεδρίου Τεχνητής Νοημοσύνης 2024, η Xia Lixue, συνιδρυτής και διευθύνων σύμβουλος της Wuwen Core Dome, κυκλοφόρησε την πρώτη στον κόσμο ετερογενή υβριδική πλατφόρμα εκπαίδευσης τσιπ κλίμακας χιλιοθερμίδων, την ετερογενή υβριδική εκπαίδευση χιλιοθερμίδων. cluster Η χρήση της υπολογιστικής ισχύος φτάνει το 97,6%.

Ταυτόχρονα, η Xia Lixue ανακοίνωσε ότι η πλατφόρμα Infini-AI του Wuwen Core Dome έχει ενσωματώσει ετερογενείς δυνατότητες εκπαίδευσης με κάρτες κιλών. , και έχει επεκτασιμότητα 10.000-ka Υποστηρίζει μικτή εκπαίδευση μεγάλων μοντέλων, συμπεριλαμβανομένων έξι ετερογενών τσιπ από τις AMD, Huawei Ascend, Tianshu Zhixin, Muxi, Moore Thread και NVIDIA.

Από τον Ιούλιο, οι χρήστες που κάνουν αίτηση για δοκιμαστική εκπαίδευση μπορούν να ξεκινήσουν εκπαίδευση μοντέλων μεγάλων διαστάσεων με κλίμακα 70 δισεκατομμυρίων παραμέτρων στο Infini-AI με ένα κλικ.

Μόλις πριν από 4 μήνες, η πλατφόρμα cloud ανάπτυξης μεγάλων μοντέλων και υπηρεσιών Infini-AI της Wuwen Xinqiong ανακοίνωσε την πρώτη της δημόσια έκδοση beta. Ετερογενής υπολογιστική ισχύς και περισσότερες από 20 νεοφυείς εφαρμογές AI συνεχίζουν να καλούν διάφορα προκαθορισμένα μοντέλα API στο Infini-AI και χρησιμοποιούν την αλυσίδα εργαλείων που παρέχεται από το Wuwen Xinqiong για να αναπτύξουν τα δικά τους επιχειρηματικά μοντέλα.

Το λανσάρισμα της πρώτης πλατφόρμας στον κόσμο που μπορεί να εκτελεί μικτή εκπαίδευση ετερογενών τσιπ σε κλίμακα kilocard δεν αντανακλά μόνο την τεχνική δύναμη του Wuwen Core Dome στην ετερογενή βελτιστοποίηση υπολογιστών και το σχεδιασμό συστημάτων συμπλέγματος, αλλά και μια αντανάκλαση της τήρησης του Wu Wen Core Dome "MxN" Ένα σημαντικό επίτευγμα της οικολογικής έννοιας του μεσαίου στρώματος.

Ο Wuwen Xinqiong πρωτοστάτησε στην κατασκευή ενός οικολογικού μοτίβου του μεσαίου στρώματος "MxN" για την επίτευξη αποτελεσματικής και ενοποιημένης ανάπτυξης πολλαπλών μεγάλων αλγορίθμων μοντέλων σε πολλαπλά τσιπ.

Η πλατφόρμα Infini-AI έχει υποστηρίξει περισσότερα από 30 μοντέλα, συμπεριλαμβανομένων των Qwen2, GLM4, Llama 3, Gemma, Yi, Baichuan2, ChatGLM3 και AMD, Huawei Shengteng, Biren, Cambrian, Suiyuan, Haiguang, Tianshu Zhixin, περισσότερους από 10 τύπους υπολογιστών Οι κάρτες, συμπεριλαμβανομένων των Muxi, Moore Thread και NVIDIA, όχι μόνο υποστηρίζουν σύνδεση ένας προς έναν μεταξύ ενός μόνο αλγόριθμου και ενός τσιπ, αλλά υποστηρίζουν επίσης τη δωρεάν αντιστοίχιση και συνδυασμό πολλών μοντέλων και πολλαπλών τσιπ.

Σύμφωνα με τη Xia Lixue, αναμένεται ότι μέχρι το τέλος του τρέχοντος έτους, η Wuwen Xinqiong θα εφαρμόσει πλήρως την αυτόματη δρομολόγηση M×N από μοντέλο σε τσιπ.

1. Το σύμπλεγμα Wanka είναι πεδίο μάχης για στρατιωτικούς στρατηγούς μεγάλης κλίμακας και η χώρα αντιμετωπίζει δυσκολίες στο άνοιγμα του οικοσυστήματος.

Η Xia Lixue, συνιδρυτής και διευθύνων σύμβουλος της Wuwen Core Dome, πιστεύει ότι η υπολογιστική ισχύς είναι το φυλάκιο και ο ακρογωνιαίος λίθος της ανάπτυξης της τεχνητής νοημοσύνης. Η κλίμακα των μοντέλων που εμφανίστηκαν μετά το GPT-4 δεν έχει αυξηθεί περαιτέρω εκθετικά και η υπολογιστική ισχύς που απαιτείται για την υποστήριξη του αλγόριθμου αντιμετώπισε ένα σημείο συμφόρησης για ένα ενιαίο μοντέλο, το οποίο κάνει την ανάπτυξη του μοντέλου να εισέλθει σε ένα νέο στάδιο Σε μια κατάσταση επιβράδυνσης και στασιμότητας, με άλλα λόγια, το υπολογιστικό σύστημα ισχύος που υποστηρίζει τις δυνατότητες του μοντέλου για μετάβαση στην επόμενη γενιά χρειάζεται ακόμη να αναπτυχθεί και να κατασκευαστεί. .

Τα μεγάλα μοντέλα ανταγωνίζονται σε παγκόσμια υπολογιστική ισχύ υπό την επίδραση του νόμου κλιμάκωσης. Υπάρχουν αναφορές ότι η Microsoft και το OpenAI κατασκευάζουν ένα μεγάλο έργο υπολογιστικής ισχύος αξίας άνω των 100 δισεκατομμυρίων δολαρίων ΗΠΑ. Σε σύγκριση με πολλές άλλες τεχνικές, αυτή η απλή και ακατέργαστη επέκταση κλίμακας φέρνει την πιο πρακτική απόδοση στη νοημοσύνη του μοντέλου. Η Google, το OpenAI, καθώς και οι εγχώριοι μεγάλοι κατασκευαστές και οι τρεις μεγάλοι χειριστές φτιάχνουν όλα μεγάλα clusters κλίμακας Wanka.

Σε ένα πραγματικά βιώσιμο επαναληπτικό, μεγάλο και σταθερό σύστημα, το Scaling Law έχει μοναδικά πλεονεκτήματα, δεν έχει τόσες πολλές πλούσιες τεχνικές και είναι ευκολότερο να διατηρηθεί και να επεκταθεί. Για ένα σύστημα που χρειάζεται πραγματικά να λειτουργεί για μεγάλο χρονικό διάστημα, η επεκτασιμότητα είναι ένα πολύ σημαντικό χαρακτηριστικό και ένα επεκτάσιμο σύστημα είναι ένα καλό σύστημα.

Το διάγραμμα IDC δείχνει ότι η ζήτηση υπολογιστικής ισχύος για μελλοντική αφαίρεση και εκπαίδευση τεχνητής νοημοσύνης αναπτύσσεται γρήγορα σε όλο τον κόσμο και τόσο η εκπαίδευση όσο και η εξαγωγή συμπερασμάτων απαιτούν την υποστήριξη ισχυρών υπολογιστικών πόρων. Η εγχώρια και η ξένη οικολογία πίσω από αυτή την τεράστια αγορά είναι πολύ διαφορετική. Το μοτίβο του ξένου στρώματος οικολογικού μοντέλου και του στρώματος τσιπ είναι σχετικά συγκεντρωμένο, ενώ το κινεζικό οικοσύστημα είναι σχετικά αποκεντρωμένο και ζωντανό Τόσο το στρώμα του μοντέλου όσο και το στρώμα του τσιπ ανταγωνίζονται για την επέκταση της αγοράς υπολογιστικής ισχύος και αντιμετωπίζουν πολλά βασικά ζητήματα για το άνοιγμα του. οικοσύστημα.

Το σύμπλεγμα Wanka είναι ένα πεδίο μάχης για στρατιωτικούς στρατηγούς μεγάλης κλίμακας. Η Xia Lixue μοιράστηκε ότι υπάρχουν τώρα περισσότερα από 100 clusters kilocard υπό κατασκευή ή σχεδιάζονται στην Κίνα και τα περισσότερα από αυτά έχουν ετερογενή υπολογιστική ισχύ Πολλά clusters χρησιμοποιούν διαφορετικές υπηρεσίες chip και ασχολούνται με την παραγωγή AI. Οι λόγοι περιλαμβάνουν την πιθανότητα κινδύνων της εφοδιαστικής αλυσίδας που προκύπτουν από την υπερβολική εξάρτηση από μια ενιαία πλατφόρμα υλικού και τις γρήγορες βελτιώσεις απόδοσης των εγχώριων τσιπ που παρέχουν στα μέρη του cluster μια ποικιλία επιλογών.

Ωστόσο, ένας μεγάλος αριθμός ετερογενών τσιπ έχει σχηματίσει επίσης «οικολογικά σιλό». Ακόμα κι αν υπάρχουν πολλά συμπλέγματα υπολογιστικής ισχύος, εξακολουθεί να είναι δύσκολο να επιτευχθεί αποτελεσματική ολοκλήρωση και χρήση. Αυτό είναι μια σπατάλη πόρων υπολογιστικής ισχύος Η σημερινή βιομηχανία μεγάλων μοντέλων αντιμετωπίζει «έλλειψη υπολογιστικής ισχύος».

Το Wuwen Core Dome θέλει να δημιουργήσει μια εγγενή υποδομή AI που να μπορεί να προσαρμοστεί στο οικολογικό τοπίο πολλών μοντέλων και πολλαπλών τσιπ της Κίνας, να παρέχει μια χρήσιμη υπολογιστική πλατφόρμα που ενσωματώνει αποτελεσματικά ετερογενείς υπολογιστικούς πόρους και ενδιάμεσο λογισμικό που υποστηρίζει κοινή βελτιστοποίηση και επιτάχυνση λογισμικού και υλικού. , σπάζοντας τα υπάρχοντα «οικολογικά σιλό» και επιτρέποντας σε ετερογενή τσιπ και συμπλέγματα να μεταμορφωθούν πραγματικά σε μεγάλη υπολογιστική ισχύ.

Οι εργασίες εξαγωγής συμπερασμάτων εκπαίδευσης τεχνητής νοημοσύνης είναι πολύ διαφορετικές από τις παραδοσιακές υπολογιστικές εργασίες. Ως αποτέλεσμα, οι εργασίες των πελατών συχνά κλείνουν και επανεκκινούν, καθυστερώντας έτσι τη διαδικασία ανάπτυξης της τεχνητής νοημοσύνης.

Η λύση της Wuwenxinqiong έχει ένα πλήρες σύστημα διαχείρισης cloud στο κάτω μέρος, συμπεριλαμβανομένων δυνατοτήτων προγραμματισμού και πλατφορμών PaaS και MaaS. Το παρακάτω είναι ισοδύναμο με μια βάση υπολογιστικής ισχύος για συνεργασία στο cloud, που επιτρέπει στους προγραμματιστές και τους ερευνητές μεγάλων μοντέλων να μετακινηθούν με τις τσάντες τους και να χρησιμοποιήσουν γρήγορα διαφορετική υπολογιστική ισχύ.

Η πλατφόρμα υπηρεσιών MaaS που έχει δημιουργηθεί σε αυτή τη βάση, δηλαδή η πλατφόρμα υπηρεσιών σετ μοντέλων, μπορεί να παρέχει πολλές μεγάλες υπηρεσίες μοντέλων με ευέλικτες εφαρμογές για να βοηθήσει ορισμένες εταιρείες που βρίσκονται ακόμη στην περίοδο εκμάθησης AI να αναπτύξουν γρήγορα ορισμένες εφαρμογές μεγάλης κλίμακας. μεγάλα μοντέλα.

2. Επίτευξη cross-training διαφορετικών τσιπ και μείωση του κόστους εφαρμογής μεγάλων μοντέλων εφαρμογής

Πίσω από μια σειρά προόδου παραγωγής και έρευνας, η ομάδα Ε&Α του Wuwen Xinqiong έχει μεγάλη πρακτική εμπειρία και επιτεύγματα στη βελτιστοποίηση ετερογενών υπολογιστών chip και στο σχεδιασμό συστημάτων συμπλέγματος.

Πρόσφατα, η κοινή ερευνητική ομάδα των Wuwen Xinqiong, Tsinghua University και Shanghai Jiao Tong University κυκλοφόρησε το HETHUB, ένα ετερογενές κατανεμημένο υβριδικό σύστημα εκπαίδευσης για μοντέλα μεγάλης κλίμακας. Αυτή είναι η πρώτη φορά στον κλάδο που επιτυγχάνεται διασταυρούμενη εκπαίδευση μεταξύ έξι διαφορετικών μάρκας τσιπ και η ολοκλήρωση της μηχανικής είναι υψηλή. Σύμφωνα με τη Xia Lixue, η αρχική πρόθεση της μηχανικής αυτής της τεχνολογίας είναι να συνεχίσει να πιέζει το ανώτερο όριο των μεγάλων τεχνικών δυνατοτήτων μοντέλων ενσωματώνοντας περισσότερη ετερογενή υπολογιστική ισχύ και ταυτόχρονα, ανοίγοντας το ετερογενές οικοσύστημα τσιπ, να συνεχίσει να μειώνει το κόστος εφαρμογής μεγάλων μοντέλων εφαρμογών.

Είπε ότι οι δύο κύριες προκλήσεις που αντιμετώπισε η οικοδόμηση του συστήματος ήταν η επικοινωνία και η κατανεμημένη εκπαίδευση. Διαφορετικές βιβλιοθήκες επικοινωνίας για διαφορετικές αρχιτεκτονικές υλικού ισοδυναμούν με δύο άτομα να χρησιμοποιούν εντελώς διαφορετικές γλώσσες για να ολοκληρώσουν ένα μεγάλο έργο, οι ετερογενείς κάρτες έχουν πολλές διαφορές απόδοσης λόγω διαφορετικών σχεδιαστικών εννοιών και προσαρμόζονται σε διαφορετικές εργασίες, με αποτέλεσμα μια ποικιλία Η αποτελεσματικότητα που επιδεικνύεται από διαφορετικούς τύπους καρτών μπορεί να καταστήσει την κατανεμημένη εκπαίδευση μεγάλης κλίμακας αναποτελεσματική.

Ως εκ τούτου, η ομάδα της έχει κάνει πολλή δουλειά, όπως:

1. Όσον αφορά την επικοινωνία, δημιουργήστε μια καθολική συλλογική βιβλιοθήκη επικοινωνίας για να επιτύχετε αποτελεσματική επικοινωνία διαφορετικών τύπων τσιπ και να είναι συμβατή με πολλούς τύπους υλικού.

2. Προτείνετε ένα μη ομοιόμορφο σχήμα διαχωρισμού με βάση τον παραλληλισμό αγωγών για να λύσετε το πρόβλημα των διαφορετικών αποδόσεων υλικού και να κατανείμετε τις καταλληλότερες εργασίες σύμφωνα με τη δική σας κατάσταση.

3. Το εργαλείο πρόβλεψης μικτής προπόνησης που έχει αναπτυχθεί μόνος του μπορεί να προβλέψει την αξία κάθε μάρκας εκ των προτέρων στην αρχή της προπόνησης, βρίσκοντας έτσι μια βέλτιστη στρατηγική διαχωρισμού για την ολοκλήρωση ολόκληρης της προπόνησης και τη διαμόρφωση της καλύτερης λύσης σε διαφορετικές κάρτες.

Κρίνοντας από το πραγματικό μικτή προπόνηση, το Wuwen Xinqiong έχει κάνει πολλούς συνδυασμούς που μπορούν να φτάσουν πάνω από 70%, και η χρήση υπολογιστικής ισχύος μπορεί να φτάσει έως και 97,6%. .

Προηγουμένως, η Wuwen Xinqiong πέτυχε το συμπέρασμα M×N, αλλά τώρα έχει επιτύχει εκπαίδευση M×N, η οποία είναι μια πολύ μεγάλη ανακάλυψη.

Αυτή η λειτουργικότητα είναι ενσωματωμένη στην υπάρχουσα πλατφόρμα Infini-AI. Η πλατφόρμα έχει τη δυνατότητα να επιτρέψει στους χρήστες να αναπτύξουν αποτελεσματικά εφαρμογές και υπηρεσίες στην πλατφόρμα, αφού προσθέσει μικτές δυνατότητες εκπαίδευσης, μπορεί να υποστηρίξει το συνδυασμό 6 επωνυμιών, σπάζοντας το κλείδωμα εκπαίδευσης μιας μόνο μάρκας κόσμος για την υποστήριξη χιλιοθερμίδων ετερογενών Μια πλατφόρμα για μικτή προπόνηση.

Το ανώτερο επίπεδο του Infini-AI υποστηρίζει μια ποικιλία στρατηγικών εκπαίδευσης, όπως παραλληλισμό τανυστών, παραλληλισμό δεδομένων και επικάλυψη επικοινωνίας, που μπορεί να επιτύχει αποτελεσματική εκπαίδευση και μπορεί να υποστηρίξει εκπαίδευση μεγάλων μοντέλων με περισσότερα από 70 δισεκατομμύρια tokens, καθώς και μεικτή εκπαίδευση με ένα κλικ μεγάλων - μοντέλα κλίμακας. Χρησιμοποιώντας αυτήν την πλατφόρμα, οι προγραμματιστές δεν χρειάζεται να ξοδεύουν περισσότερο χρόνο εξετάζοντας τις διαφορές στην υποκείμενη υπολογιστική ισχύ. Μπορούν να προσαρμόσουν γρήγορα τα δικά τους μεγάλα μοντέλα σε ένα υβριδικό σύμπλεγμα που αποτελείται από διαφορετικά τσιπ και να εφαρμόσουν γρήγορα τη δική τους επιχείρηση.

3. Αποτελεσματικός προγραμματισμός + αποτελεσματική ανοχή σφαλμάτων για τη διασφάλιση σταθερής ολοκλήρωσης εργασιών σε μεγάλα συμπλέγματα υπολογιστικής ισχύος

Μετά την κατασκευή ενός μεγάλου συμπλέγματος υπολογιστικής ισχύος, ένα από τα βασικά καθήκοντα που αντιμετωπίζουμε είναι πώς να το χρησιμοποιήσετε; Αυτό περιλαμβάνει αποτελεσματικά ζητήματα προγραμματισμού. Ένα αποτελεσματικό σύστημα προγραμματισμού υπολογιστικής ισχύος μπορεί να κάνει τους ολοκληρωμένους ετερογενείς πόρους να χρησιμοποιούνται καλύτερα από όλους τους χρήστες.

Το Wuwen Core Dome έχει σημειώσει μεγάλη πρόοδο στο αποτελεσματικό σύστημα προγραμματισμού της υπολογιστικής ισχύος σειρά υβριδικών Η σχεδίαση στρατηγικής προγραμματισμού καθιστά τη μέση καθυστέρηση προγραμματισμού εργασιών σε επίπεδο χιλιοστών του δευτερολέπτου και η χρήση πόρων ολόκληρου του συμπλέγματος συστήματος μπορεί να διατηρηθεί πάνω από 90%. Ενισχύοντας τη βάση ολόκληρου του κοντέινερ AI, το Wuwen Xinqiong μπορεί να αυξήσει το SLO ολόκληρου του συμπλέγματος στο 99,95% σε ένα σενάριο πολλαπλών ενοικιαστών και η επεκτασιμότητα είναι πολύ υψηλή.

Εκτός από τον προγραμματισμό, όταν κάνετε εκπαίδευση μοντέλου, η εκπαίδευση δεν μπορεί να επανεκκινηθεί συνεχώς. Η Wuwen Core Qiong έχει αναπτύξει ένα αποτελεσματικό σύστημα εκπαίδευσης με ανοχή σε σφάλματα, συμπεριλαμβανομένου ενός συστήματος χρόνου εκτέλεσης με ανοχή σε σφάλματα για μεγάλα μοντέλα, ενός συστήματος πρόβλεψης ανωμαλιών υβριδικών δεικτών και ενός συστήματος ασύγχρονης ανάγνωσης και γραφής σημείου ελέγχου.

Το τμήμα ανοχής σφαλμάτων έχει αυξήσει τον αποτελεσματικό χρόνο εκπαίδευσης μεγάλων μοντέλων κατά 30%, το ποσοστό επιτυχίας της ανίχνευσης ανωμαλιών μεγάλων μοντέλων έχει αυξηθεί στο 70%, και τα περισσότερα σφάλματα μπορούν να εντοπιστούν και να αποφευχθούν εκ των προτέρων έχει αυξηθεί κατά 20 φορές και το μη φυσιολογικό τερματικό των μεγάλων μοντέλων έχει βελτιωθεί.

Προκειμένου να διευκολυνθούν οι προγραμματιστές να χρησιμοποιήσουν καλύτερα το σύμπλεγμα, η πλατφόρμα ενσωματώνει τις τεχνικές δυνατότητες βελτιστοποίησης του μεγάλου συστήματος υπηρεσιών μοντέλων της Wuwenxinqiong Όταν αντιμετωπίζετε υψηλή ταυτόχρονη αποστολή αιτημάτων από πολλούς χρήστες, μέσω του προγραμματισμού αιτημάτων, Τεχνολογίες όπως η άμεση προσωρινή αποθήκευση λέξεων. βοηθούν τις εργασίες να αποστέλλονται καλύτερα και να επιστρέφονται τα αποτελέσματα υπολογισμού, γεγονός που μπορεί να αυξήσει τον ρυθμό διεκπεραίωσης κατά περισσότερες από 30 φορές, κάνοντας τις εφαρμογές να εκτελούνται πιο ομαλά και ομαλά.

Συμπέρασμα: Ας μην υπάρχει στον κόσμο εύχρηστη υπολογιστική ισχύς τεχνητής νοημοσύνης

«Δεν υπάρχει αντίφαση μεταξύ της ώθησης του τεχνικού ανώτατου ορίου και της εφαρμογής και της διάδοσης της τεχνολογίας, και εξαρτάται από το πώς είμαστε αποφασισμένοι να αντιμετωπίσουμε αυτήν την τεχνολογία, η Xia Lixue πιστεύει ότι το να μιλάμε για μείωση του κόστους των μεγάλων μοντέλων στο 1/10.000 είναι απλώς». σαν να μιλάμε για την ηλεκτροδότηση κάθε νοικοκυριού πριν από 30 χρόνια.

Η εξαιρετική υποδομή είναι μια τέτοια «μαγεία».

Επί του παρόντος, η ανάπτυξη της βιομηχανίας μεγάλων μοντέλων εισέρχεται στο στάδιο της βιομηχανικής εφαρμογής μεγάλης κλίμακας Η άνθηση των σεναρίων εφαρμογών έχει προκαλέσει μια ολοένα και πιο επείγουσα ανάγκη για εκπαίδευση μεγάλων μοντέλων. Η δημιουργία υποδομής τεχνητής νοημοσύνης στην εποχή των μεγάλων μοντέλων μπορεί όχι μόνο να προσφέρει στους προγραμματιστές τεχνητής νοημοσύνης ένα πιο ευέλικτο, αποτελεσματικό και βολικό περιβάλλον Ε&Α, αλλά είναι επίσης βασικός ακρογωνιαίος λίθος για την επίτευξη αποτελεσματικής ενοποίησης των υπολογιστικών πόρων και την υποστήριξη της βιώσιμης ανάπτυξης του AI ​βιομηχανία.

Η ανάπτυξη της τεχνητής νοημοσύνης απαιτεί τόσο υποκείμενες δυνατότητες συστήματος που μπορούν να ενσωματώσουν ομοιόμορφα πολλαπλά ετερογενή τσιπ, όσο και ένα ενδιάμεσο επίπεδο που εφαρμόζει την ευκολία χρήσης μεταξύ ετερογενούς υπολογιστικής ισχύος και πολλαπλών αλγορίθμων, επιτρέποντας στους χρήστες να προγραμματίζουν διαφορετική υπολογιστική ισχύ μέσω ενός ενοποιημένου πλαισίου προγραμματισμού χρόνο, διεπαφές συμβατές με τις υπάρχουσες συνήθειες προγραμματισμού των χρηστών εγκαθίστανται σε αυτό για να διευκολύνουν τη μελλοντική επέκταση.

Η Wuwen Core έχει δεσμευτεί να δημιουργήσει μια εγγενή υποδομή τεχνητής νοημοσύνης που είναι πραγματικά προσαρμόσιμη σε πολλά μοντέλα και πολλαπλά τσιπ, έτσι ώστε να μην υπάρχει δυσχρηστική υπολογιστική ισχύς τεχνητής νοημοσύνης στον κόσμο. αξιοποίηση και ενσωμάτωση του "M×N", αλλά και ο απώτερος στόχος Είναι να μετατραπούν οι φαινομενικά αδρανείς υπολογιστικοί πόροι σε μεγάλη υπολογιστική ισχύ, να βελτιωθεί η ακεραιότητα του μεγάλου μοντέλου οικοσυστήματος, να μειωθεί σημαντικά το κόστος υλοποίησης μεγάλων μοντέλων και να συμβάλει στην προώθηση την καινοτομία εφαρμογών μεγάλων μοντέλων σε διάφορους κλάδους.