2023年将推出超1000Qubit的量子计算机系统
双碳目标下,可持续发展已经成为企业不容忽视的战略议题作为该领域深耕 50 年的 IBM,今年持续交出他们的基础创新答卷
2nm 芯片可以让手机 4 天一充电。
不久前刚推出 127Qubit 的量子计算,在 2023 年将推出超 1000Qubit 的量子计算机系统。
企业级处理器 Telum,可同时处理传统企业计算以及 AI 推理任务。
。
在 MEET2022 智能未来大会的现场,IBM 副总裁,大中华区首席技术官谢东博士分享了 IBM 是如何加速科技创新,与合作伙伴一起实现可持续的未来。
亮点
-
未来十年,企业所面临的前三大业务风险都与环境相关,包括极端天气,气候行动的失败,人为造成的环境破坏等。
-
双碳目标下,可持续发展不光是所有企业的社会责任,更成为企业必须面对的战略议题。
-
IBM 今年提出,要在 2030 年实现温室气体的净零排放。
-
量子计算机在 AI / ML 优化,分子结构分析仿真等方面的应用已经表现出巨大的优势,大规模商用的未来不会太远。
-
2nm 芯片可以让手机从每天充电,变成 4 天一充电。
今天我给大家分享的主题是加速科技创新,共赢可持续未来。
大家可以看到,即使是经济,科技高速发展的时代当下,人类所面临的各种挑战依然异常严峻比如,历时将近两年的新冠疫情,气候变化带来的自然灾害等,保证可持续发展是全人类共同的一个任务
世界经济论坛 2021 年全球风险报告指出,在未来十年,企业所面临的前三大业务风险都与环境相关,包括极端天气,气候行动的失败,人为造成的环境破坏等。
实际上,不管是政府企业,投资者,消费者,企业内员工对与环境相关的可持续发展问题越来越关注当然不光有关注,还有行动
联合国 2015 年就通过了一个包含 17 个子题的可持续发展目标,作为消除贫困,保护地球,确保所有人能够享有和平与繁荣的倡导。
这不光是倡导和呼吁,也是一个行动的纲领目前在中国双碳目标下,可持续发展不光是我们所有企业的社会责任,更成为企业必须面对的战略议题
企业应该如何面对这些挑战像大数据,人工智能,混合云,还有即将到来的量子计算,这些新技术到底能给企业,行业带来哪些转变我就试着从三个不同的维度跟大家做一个梳理
IBM 注重可持续发展
先从我自己所在的公司 IBM 来讲起,IBM 非常注重可持续发展问题早在 50 年前,1971 年,IBM 就制定了第一个企业环境的政策,比第一次联合国全球环境大会还要再早一年之后的 50 年里,IBM 一直不遗余力地更新环境政策,将这些行动放到企业运营与管理的方方面面
2000 年的时候,公司发布了首个关于二氧化碳的减排目标到今年,IBM 刚刚又提出了一个更加有挑战的目标 ——IBM 要在 2030 年实现温室气体的净零排放为了达到这个目标,我们有一系列的举措
这里面不光包括基础技术创新,和可持续计算方面的的持续投入,来保证 IBM 自己的产品,设计生产的各个环节,企业运营都是绿色的同时,IBM 还与全球各个行业客户建立起了可持续发展咨询委员会,目的是跟这些不同的行业一起构建面向绿色增长的解决方案
作为解决方案的一部分,IBM 为中国的企业制定了碳中和四阶段战略,具体来说可以分成这几个步骤:
第一是确保合规借助科技手段捕获数据,分析碳排放的基数和差距,以此制定相应合规的战略目标和实施路径
第二是优化业务价值比如供应链,将其变成绿色透明可追溯的,能够协同的供应链,工作流,将其变成绿色,智能,安全的工作流同时,时刻关注消费者需求的变化,满足消费者对绿色环保产品的需求和体验
第四是引领行业,针对行业里的核心减排挑战,建立起生态系统,同时能解决生态系统中关于数据共享,丰富应用开发,合理合规,激发创新,有机成长等这些挑战。
环境智能推动商业智能
刚才也提到自然环境,气候变化对企业运营也有非常重要的影响。
今年 IBM 推出了环境智能套件,目的是帮助企业领导针对天气事件和气候变化,对企业运营和供应链进行优化的规划和管理,并且符合监管和合规要求。
这一环境智能套采用了以下关键技术首先是人工智能,应用学习算法辨别模式,不断改进气候模型并细化气候风险,人工智能技术还可用于帮助优化能源的平衡使用,以尽量减少碳排放
其次是数据分析:通过基于情景的风险评估,完善气候风险管理和复原战略,通过大数据处理,发现薄弱环节,完成战略资产管理和业务连续性规划的制定与完善。
同时还有地理空间信息分层:通过地质学,地貌学,水文,资产位置,天气和气候模型等关键数据集的可视化与组合,深入了解当地运营的气候风险,风险的成本以及风险驱动因素。
下一个技术是混合云,将存储在专有系统上的数据与存储在公共,私有或托管云服务上的数据进行聚合,帮助整合来自整个合作伙伴生态系统的数据,以更快推动可靠的洞察力,并构建更准确的气候风险模型。据介绍,量子计算科普基地建设以本源量子全物理体系量子计算学习机为核心,同时搭配了丰富的量子计算科普视频,科普漫画及量子计算入门教材和教程,提供不同物理体系量子计算机模拟仿真实验室。
接着就是物联网,提供额外的物联网数据集,以实时提高对气候风险的了解,触发警报和建设,以帮助管理物理风险,还能有效地支持能源转型和灵活可再生能源的平衡。
今天的企业可以运用这些技术,进行分析,优化,重塑工作流程,业务流程,更好的预测天气对资产,员工和客户的影响,并在这个过程中满足新的可持续性监管要求。
也就是说,借助环境智能,保障和推动商业智能。
企业核心产品应对减排要求
刚才试着从企业运营的维度谈了下相应的措施,不同企业还要面对自己的核心产品,从这个维度上看,到底又该如何进行我们知道,从根本上把握科技创新,加速科技发展,能更好地从本质上解决更深层次的问题
现在说到减少二氧化碳,实际上就是减少排放,在排放中把二氧化碳更合理的吸收,制造出新型有效的环保材料高性能计算模拟和人工智能技术相结合可以加速新材料的发现过程
相同的情况在农业领域也有发生通常为了提高农作物的产量,化肥的生产使用不可或缺,但这一过程就需要消耗大量能量,也会造成很多二氧化碳的排放
在自然界中,一些微生物能够将空气中的氮转化为化肥让植物直接吸收我们将复制自然界的能力,利用人工智能,超算,甚至量子计算的能力发现新的材料,将土壤中的氮转化为肥料如果提到能源电池,伴随着自动驾驶,各种手持设备的增加,大容量,高效率,安全可靠环保的电池成为刚需
当前市面上的电池,里面用到的重金属对环境是有危害的,所以需要行业伙伴一起发现安全可靠的新电池材料同样的技术应用到半导体领域,也在帮助发现制程工艺中所需要的新材料,既保证先进工艺的可行性,同时满足环保的要求
如果应用到制药行业,可以帮助缩短制药周期,尽快发现治疗某种疾病的有效药物加速科学发现,我们用到了哪些技术,又是通过怎样的平台为全球不同行业的客户和研究人员提供服务的呢
IBM 设计了一种加速材料发展的方法,其中人工智能是整个材料发展过程链的关键组件,其中包括 IBM 开放云上自主化学实验室 RoboRXN这是一个真实 7*24 小时的化学实验室,全球的研究人员可以通过网络直接访问通过图形化界面快速构建化学分子,进行化学实验和验证背后实际上运用了一系列新技术比如自然语言处理,用来的分析和理解化学方程式通过机器学习,根据化学方程式,推测产生的新的化合物以及反应过程或者反过来,根据所需化合物的特性,推测其分子组成和空间结构,并且预测产生该化合物所需的原料和反应条件有了这些技术,再结合自动化技术,混合云技术,也便有了云上的自主化学实验室
RoboRXN 采用的免费 AI 模型在两年前推出,已经为 15000 个学生,教授和科学家完成了近 100 万次反应预测同时 IBM 科学家也在这一环境中进行多个领域的探索和研究,比如半导体工艺上,在电池新材料的发现上,都取得了非常突破的成绩
量子计算机大规模商用在不远的未来
我们再看一下支撑这一系列创新底层技术又是怎样的。
在这里面,我想举这样几个例子一个是刚刚发布的 2nm 芯片技术,与 7nm 芯片相比,性能上提升 45%,功耗降低 75%这意味着,将它用到手机上,能够让大家待机时间更长,4 天一充电,用到数据中心,可以大规模减少碳排放同时,芯片还能应用到自动驾驶对实时功耗有要求的场景
另一个是今年推出,带有片内 AI 加速器的处理器 Telum,将 CPU 计算核与 AI 加速器集成到一个芯片上,可以同时处理传统企业计算以及 AI 推理任务Telum 作为下一代 IBM 高性能服务器的处理器芯片,可以在高速完成交易业务的同时,实时完成 AI 推理计算这当中不光是计算性能有显著提高,同时还融入了人工智能新品,使得系统能够不仅快速进行事务处理,还能进行实时推测,同时降低功耗,达到减排要求
最后,量子计算机的到来更值得期待我们在努力开发相关的硬件软件路线图,同时致力于量子信息理论应用的突破今年,IBM 推出了 127 个量子比特的量子计算机,预计能够在 2023 年推出超过 1000 个量子比特的量子计算机系统
由于有了在量子计算机系统排线结构上的重大突破,IBM 确保了系统量子比特数这一快速增长的路线图。
与此同时,IBM 还广泛跟全球合作开发更多的量子应用,比如在人工智能,机器学习上的优化,分子结构分析仿真等方面已经表现出巨大的优势它将对能源,化工,制药等领域带来巨大变革我们相信,有这样的突破,量子计算机大规模商用可能在不远的未来了
刚才我概要地从三个层面进行简单的梳理,既针对碳减排,针对环境的危害,以及针对可持续发展的目标,我们的企业可以从自身运维,自身核心产品的突破,以及支持这里面的 IT 技术应用,从不同维度做好节能减排的工作,保证可以共同打造可持续的未来。
IBM 希望在这个过程中跟广大的合作伙伴,客户开展更多的合作。。
。声明:本网转发此文章,旨在为读者提供更多信息资讯,所涉内容不构成投资、消费建议。文章事实如有疑问,请与有关方核实,文章观点非本网观点,仅供读者参考。