随着各地纷纷降温、甚至迎来初雪，喜茶的烤黑糖波波真乳茶等热饮产品再度受到全国消费者的青睐，迎来热销，并占据喜茶销售榜单前列。12月5日，在“大雪”节气即将到来之际，喜茶以在冬日给予人温暖陪伴与喜悦的宠物为灵感，推出暖冬季特别活动。包括喜茶经典产品烤黑糖波波牛乳，人气抹茶产品三倍厚抹在内的8款产品，与喜茶暖冬季宠物主题周边共同组成“温暖过冬”系列套餐。喜茶以毛茸茸的毛绒徽章、宠物围巾、毛绒杯包周边，与可口的真品质热饮产品一起，为消费者带来冬季喜悦。 此外，喜茶还限时推出「喜宠暖冬」主题系列喜贴，让喜爱宠物的消费者在下单时可以挑选自己心仪的宠物喜贴，感受有如将爱宠捧在手心的萌动之喜。如消费者在线下自取购买芝芝抹茶、芝芝绿妍茶后（首创）、芝芝嫣红乳、芝芝茉莉轻乳四款产品，还可以获得将常规顶部抹茶洒粉替换为随机款喜宠图案撒粉的独特体验。通过将热饮带来的温暖喜悦与给予人暖心陪伴的爱宠相关联，喜茶的暖冬季活动受到众多消费者的热烈欢迎。

2024年11月29日-12月1日，CCF中国存储大会（CCF ChinaStorage 2024）在广州市长隆国际会展中心召开。本次会议以“存力、算力、智力”为主题，由中国计算机学会（CCF）主办，中山大学计算机学院、CCF信息存储技术专业委员会等承办。在中国科学院、中国工程院多名院士领衔下，CCF中国存储大会汇聚200多位国内外知名院士专家、杰出学者及业界精英，聚焦大模型存储、超智融合等前沿技术，吸引1500多位参会者齐聚一堂，共同探讨存储与计算领域国际前沿技术进展、市场趋势和创新应用。 在CCF中国存储大会上，联想携存储及超智融合解决方案参展，更凭借在高校行业的突出贡献和创新实践斩获“高校存储杰出解决方案奖”，充分彰显了联想在存储领域的影响力。在同期举行的“算启新程，智赋新能”——第十届国家超算广州中心超算创新应用论坛上，联想中国区政企业务群教育科研行业经理唐珂发表了以《AI创新 算力加速》为主题的演讲，全面介绍了联想在教育科研行业的算力布局和探索，并展示了联想在教育科研行业的实践成果。 智能化是教育变革的重要引擎，为推动科学教育与文化教育有机结合，服务人的全面发展创造了无限可能。在主题演讲中，唐珂表示，未来人工智能将对教育、科研工作产生深刻影响，或将成为教育变革的重要引擎。未来高校算力发展趋势为“智能化、国产化、集约化”，为此联想将充分整合国内外先进的算力、存力资源，充分发挥在液冷系统、存储系统等方面的优势，以“一横五纵”战略布局推动终端和基础设施产品线全面AI布局和持续优化升级 随着AI技术的高速发展，AI for Science越来越成为一种新的科研范式。可以说，从气候预测到外星探索，再到新药研发、灾害预警等，AI 在多个领域展现出无限潜力。这让一向作为科研主阵地的高校看到了新的确定性方向，都在推进AI for Science的发展。AI for Science需要大量的算力特别是AI算力作为支撑，对高校配套建设的智算中心提出了更高要求。在AI for Science的新范式下，联想从保障性能、提高效率、减少不稳定性等纬度全方面满足高校智算中心的建设需求，为AI for Science提供强有力的算力保障。 与此同时，联想在教育科研领域积极探索，持续关注科研人才的培养和发展，加强产学研合作，为推动国家科技和产业发展贡献“联想力量”。围绕计算和人工智能这两项“锚点”技术布局未来，联想已与国内各高校、科研机构开展学术合作，推动思想、技术、人才等多层面流动。未来，联想希望携手更多合作伙伴，共同为教育科研高质量发展注入新动能。 唐珂在演讲中分享了联想助力高校智能化转型的实践案例，如华南理工大学、湘江实验室、联想x清华大学iCenter基础工业训练中心等。以华南理工大学为例，该校部署的液冷系统成为业内首个计算+存储全部采用液冷技术的成功部署案例，不仅为全校科学研究注入强大的算力底座和交叉学科应用平台，同时也成为“极致性能+绿色低碳”的高校算力基础设施典范。 走进联想展区，联想AIPod应用部署解决方案吸引了众多参观者的目光。该解决方案集“计算力”、“运载力”和“存储力”于一体，能够根据高校的具体数据需求，实现定制化的算力部署。通过优化资源配置，AIPod提升了计算效率，并支持大规模数据的高效存储与处理，助力科研创新与智能化转型。 此外，联想展出的双算融合场景数据管理解决方案及软件定义数据管理解决方案能够帮助教育用户在智算和超算数据中心建设及科研领域，强化软件定义数据管理和海量数据的归档与备份，构建坚实的数据基础平台，专注于业务发展和科研创新。 当前，超智融合已成为HPC新的发展趋势，标志着从传统通用计算向异构加速的AI计算新时代的过渡。超智融合不仅可满足“AI for Science”等混合计算精度应用场景需求，同时可加速HPC与AI的融合过程。未来，超算中心将向超智融合计算中心演进，并将沿着超算支撑AI应用、AI改进传统超算、超智实现内生融合这三个阶段不断演进。 面向超智融合新趋势，基于多年在智算领域的深厚积累和对技术前沿的敏锐把握，联想推出了超智融合解决方案，集成了搭载温水水冷的HPC服务器、AI服务器、联想万全异构智算平台、AIOps等一系列产品和解决方案，能够帮助客户打造绿色低碳、多元算力、异构智能计算、云智一体的智算中心，满足客户在大规模数据处理和复杂计算任务中的多样需求。 作为联想在AI基础设施领域重要的技术领先点和控制点，联想万全异构智算平台能够帮助用户轻松获得融合、稳定的AI基础设施，拥有AI/HPC集群节点融合调度、内核GPU虚拟化效率提升、网络集合通信优化、分钟级断点续训等差异化优势，达到行业领先水平，释放异构算力的巨大潜能。 活动现场，联想问天WA5480 G3服务器引起了“围观”。该产品是联想首台可搭载国产AI算力芯片的AI服务器，具备多芯算力、灵活拓扑、安全可靠三大特色，无论是深度学习、机器学习还是大数据分析，这款服务器都能提供澎湃的性能支持。此外，重点展示的联想液冷服务器——ThinkSystem SD650 V3，通过部署联想问天海神液冷方案，采用整机柜全水冷无风扇设计，可使服务器散热效率达98%，并实现60%以上的余热回收再利用，降低40%的能耗，数据中心PUE可降至1.1。 智能化的未来必然是开放合作、共创共赢的广阔图景。AI时代浪潮之下，联想将继续深耕智算领域，依托“全栈AI”的产品、方案及服务，以AI算力助力中国高校科研高质量发展，推动教育行业迈向更加智能化、科技化的未来。

代码大模型越来越卷，评估AI编程水平的“考卷”也被迫升级。12月5日，字节豆包大模型团队开源最新代码大模型评估基准FullStack Bench，在业界首次囊括编程全栈技术中超11类真实场景，覆盖16种编程语言，包含3374个问题，相比此前基准，可以更有效地评估大模型在现实世界中的代码开发能力。 代码评估基准是衡量大模型编程能力的标准工具，也是推动模型优化的关键驱动力。不过，当前的代码评估基准覆盖的应用类型和编程语言较为有限，难以反映真实世界中代码开发场景的多样性和复杂性。 比如，主流代码评测集HumanEval和MBPP中近80%数据只聚焦基础编程和高级编程问题；DS-1000中95%数据都集中于数据分析和机器学习任务，且仅对Python语言进行评测；xCodeEval虽覆盖多项任务，但基本局限于高级编程和数学领域。 ▲FullStack Bench数据覆盖超11种应用领域，远超当前主流代码评估基准 因此，字节豆包大模型团队与M-A-P开源社区联合提出FullStack Bench，一个专注于全栈编程和多语言编程的代码评估数据集。为囊括在真实全栈开发中涉及的各类应用场景，研究团队从全球最大的程序员技术问答社区Stack Overflow中随机抽取了50万个问题进行分析，筛选出占总问题数前88.1%的应用领域，并对其分布做了适当调整来保证每个领域的鲁棒性，最终形成了FullStack Bench关注的超过11种应用场景及分布比例。 FullStack Bench包含3374个问题，每个问题均包括题目描述、参考解决方案及单元测试用例，总计15168个单元测试。为保证评估准确性，问题内容均由相关领域的编程专家设计，并经AI和人工验证进行质量复核。在初始数据集构建后，团队根据主流代码大模型测试结果，按问题难度、模糊性和可解性对数据质量进行了交叉评估和进一步完善。 ▲FullStack Bench数据集构成情况 为方便开发者对大模型代码能力进行系统性测试，豆包大模型团队还开源了一款高效的代码沙盒执行工具——SandboxFusion，用于评估来自不同语言的不同编程任务。除了FullStack Bench，SandboxFusion还兼容超过10种广泛使用的代码评估数据集，支持23种编程语言。开发者在单服务器上即可轻松部署SandboxFusion，也可直接在GitHub上进行体验。 发布评测基准及沙盒的同时，字节代码大模型也首次曝光。研究中，豆包大模型团队对全球20余款代码大模型及语言大模型的编程表现进行了评测（详见论文），其中包括未披露过的豆包代码大模型Doubao-Coder。 近半年，字节在代码大模型领域进展迅速，今年6月字节发布了由自研代码基座模型支撑的AI编程助手豆包MarsCode，目前每月为用户贡献百万量级代码。 论文地址：https://arxiv.org/pdf/2412.00535v2 数据集开源地址：https://huggingface.co/datasets/ByteDance/FullStackBench 沙盒开源地址：https://github.com/bytedance/SandboxFusion 沙盒体验入口：https://bytedance.github.io/SandboxFusion/playground/datasets