AgiBot WITA-Omni फुल-मॉडल ने डेलीओमनी बेंचमार्क में 85.21 का उच्च स्कोर प्राप्त किया। इस बीच, मॉडल ने आठ में से छह संकेतकों पर बढ़त प्रदर्शित की, जिसमें अलीबाबा Qwen, गूगल जेमिनी, बाइटडांस Doubao और NVIDIA जैसी प्रणालियों को पीछे छोड़ दिया।
AgiBot WITA-Omni फुल-मॉडल ने डेलीओमनी बेंचमार्क में 85.21 का उच्च स्कोर प्राप्त किया। इस बीच, मॉडल ने आठ में से छह संकेतकों पर बढ़त प्रदर्शित की, जिसमें अलीबाबा Qwen, गूगल जेमिनी, बाइटडांस Doubao और NVIDIA जैसी प्रणालियों को पीछे छोड़ दिया।
बेंचमार्क वास्तविक दुनिया की स्थितियों में ऑडियो और विज़ुअल संकेतों को एक साथ संसाधित करने की मॉडल की क्षमता का मूल्यांकन करता है। परीक्षण किए गए मापदंडों में ऑडियोविज़ुअल डेटा की संगति (86.13), घटनाओं के बारे में अस्थायी तर्क (84.64), व्यापक क्रॉस-मोडल तर्क (85.06), और 30 और 60 सेकंड के वीडियो को समझने के कार्यों में उच्च परिणाम शामिल थे।
सार्वभौमिक मल्टीमॉडल मॉडलों के विपरीत, जिन्हें डिजिटल सामग्री के साथ इंटरैक्शन के लिए अनुकूलित किया गया है, WITA-Omni को शुरू से ही एम्बोडीड इंटरेक्शन (embodied interaction) को साकार करने के लिए विकसित किया गया था। इसका मतलब है कि इस मॉडल का उपयोग करने वाले रोबोटों को भौतिक वातावरण में वास्तविक समय में समझना, प्रतिक्रिया देना और कार्य करना चाहिए।
नवाचार थिंकर-टॉकर-एक्टर (Thinker-Talker-Actor) प्रतिमान में निहित है, जो पारंपरिक अनुक्रमिक पाइपलाइन को बदल देता है। रोबोट इंटरैक्शन की मानक प्रक्रियाएं भाषण पहचान, सिमेंटिक समझ, उत्तर निर्माण, भाषण संश्लेषण और कार्रवाई आउटपुट को अलग-अलग, क्रमिक चरणों के रूप में करती हैं, जिससे देरी जमा होती है। इसके विपरीत, WITA-Omni एक ही समयरेखा पर बहुमॉडल रीजनिंग कोर थिंकर, स्ट्रीमिंग स्पीच जनरेशन टॉकर और एक्शन और एक्सप्रेशन मॉड्यूल एक्टर को समानांतर में शुरू करता है।
एक्टर मॉड्यूल न केवल थिंकर की सिमेंटिक स्थिति लेता है, बल्कि टॉकर से ऑडियो लेटेंट वैरिएबल भी लेता है। यह हावभाव और चेहरे के भावों को भाषण की लय, विराम, लहजे और भावनात्मक स्वर के साथ सिंक्रनाइज़ करने की अनुमति देता है, जिससे रोबोट जो बोलता है और जिस तरह से वह चलता है, उसके बीच असंगति दूर हो जाती है। यह वास्तुकला थिंकर-टॉकर प्रतिमान का विस्तार करती है, जिसे पहले संवादात्मक एआई के लिए बनाया गया था, एक्टर मॉड्यूल को भाषण के साथ एक पूर्ण आउटपुट चैनल के रूप में जोड़ती है।
थिंकर विशेष एनकोडर और हल्के प्रोजेक्शन लेयर्स के माध्यम से पाठ, छवि, ऑडियो और वीडियो इनपुट को निर्णय लेने और क्रॉस-मोडल रीजनिंग के लिए एक एकीकृत प्रतिनिधित्व स्थान में जोड़ता है। टॉकर थिंकर की छिपी हुई अवस्थाओं द्वारा निर्धारित प्राकृतिक भाषण उत्पन्न करता है। एक्टर थिंकर की सिमेंटिक स्थिति और टॉकर के ऑडियो विशेषताओं दोनों का उपयोग करके एक्शन हेड और एक्सप्रेशन हेड को नियंत्रित करता है। स्ट्रीम्स के बीच सिंक्रनाइज़ेशन तंत्र यह सुनिश्चित करता है कि रोबोट की हरकतें भाषण की गति में बदलाव, अभिव्यक्ति में बदलाव पर प्रतिक्रिया करती हैं, और भौतिक क्रियाएं मौखिक संचार के साथ अस्थायी सामंजस्य बनाए रखती हैं।
यह परिणाम AgiBot वर्ल्ड मॉडल Genie Envisioner-Sim 2.0 की उपलब्धि के बाद आता है, जिसने पहले WorldArena में पहला स्थान हासिल किया था। ये दो उपलब्धियां एआई क्षमताओं की एक तीन-स्तंभ संरचना बनाती हैं: इंटरैक्शन के लिए WITA-Omni, भौतिक दुनिया की समझ के लिए वर्ल्ड मॉडल और उसमें कार्य करने के लिए रोबोट हार्डवेयर। रैंकिंग में जीत इस बात की पुष्टि करती है कि एम्बोडीड एआई पर काम करने वाली कंपनियां वास्तविक दुनिया की सीमाओं के अनुकूलन के बजाय अनुकूलन करके उत्कृष्ट समग्र क्षमताएं प्राप्त कर सकती हैं, न कि सार्वभौमिक मॉडलों को अनुकूलित करके।
जैसे-जैसे रोबोट नियंत्रित कारखाने के वातावरण से असंरचित सामाजिक स्थानों में स्थानांतरित होते हैं, कई संवेदी धाराओं को सिंक्रोनस रूप से संसाधित करने और समन्वित मौखिक और शारीरिक कार्यों के साथ प्रतिक्रिया करने की क्षमता एक प्रमुख अंतर बन जाती है। AgiBot सिंक्रोनस मल्टीमॉडल इंटरेक्शन को एम्बोडीड एआई उद्योग में एक नया प्रतिस्पर्धी आयाम परिभाषित करता है, जो सामान्य एआई के क्षेत्र में प्रमुख मॉडल गुणवत्ता प्रतिस्पर्धा से अलग है।
ZTE ने अपने OEX सुपरनोड के कारण फिर से WAIC SAIL स्टार पुरस्कार जीता, जो शून्य केबल डिज़ाइन, एक रैक में 128 ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) को जोड़ने की क्षमता और क्लाउड सुपरकंप्यूटर और नुबिया एजेंट फोन को कवर करने वाली व्यापक आर्टिफिशियल इंटेलिजेंस अवसंरचना की विशेषता है।
OEX सुपरनोड ने लगातार दूसरे वर्ष WAIC SAIL स्टार पुरस्कार जीता। यह डेटा सेंटर के पैमाने पर सैकड़ों जीपीयू को जोड़ने की जटिल इंजीनियरिंग समस्या का समाधान करता है, जबकि केबलिंग की जटिलता, सिग्नल हानि और विलंबता को कम करता है। ऑर्थोगोनल डिज़ाइन के कारण, जहां कंप्यूटिंग रैक और स्विचिंग रैक लंबवत रूप से जुड़े होते हैं, OEX सुपरनोड मानक रैक में आंतरिक केबलों और रियर पैनल के बिना 128 जीपीयू के पूर्ण इंटरकनेक्शन को सक्षम करता है। यह पारंपरिक संरचनाओं की तुलना में सिग्नल पथों को काफी कम करता है, कनेक्शन लागत को कम करता है और रखरखाव को सरल बनाता है।
वास्तुकला 16,000 जीपीयू तक शक्ति बढ़ाने की अनुमति देती है। ZTE ने रैक के भीतर आंतरिक स्विचिंग के लिए अपने स्वयं के चिप्स विकसित किए हैं, जो चीन के उद्योग और सूचना प्रौद्योगिकी मंत्रालय (China MIIT) द्वारा निर्देशित CLink प्रोटोकॉल और ब्रॉडकॉम के SUE प्रोटोकॉल दोनों का समर्थन करते हैं। यह विशिष्ट चिप आपूर्तिकर्ता से स्वतंत्र जीपीयू संगतता सुनिश्चित करता है, जिससे एक ही निर्माता पर निर्भरता रोकी जाती है। पांच चिप्स के संयुक्त स्कैनिंग की तकनीक, जिसमें सेंट्रल प्रोसेसिंग यूनिट (सीपीयू), सर्वर इंटरकनेक्ट, इंटर-रैक संचार, नेटवर्क कार्ड और डीपीयू शामिल हैं, सिस्टम को विभिन्न प्रकार के जीपीयू और वर्कलोड के लिए इष्टतम विन्यास गतिशील रूप से चुनने की अनुमति देती है, जिससे OEX सुपरनोड एक लचीला मंच बन जाता है जो तेजी से विकसित हो रहे घरेलू जीपीयू इकोसिस्टम के अनुकूल होता है।
WAIC में ZTE का प्रदर्शन चार क्षेत्रों में विभाजित था: एआई इंफ्रास्ट्रक्चर, एआई एप्लिकेशन, एआई स्मार्ट होम और एआई एजेंट स्मार्टफोन। इन क्षेत्रों ने एआई की एक एकीकृत अवधारणा प्रस्तुत की - कंप्यूटिंग शक्ति के उत्पादन से लेकर अंतिम उपयोगकर्ता खपत तक। बुनियादी ढांचे के क्षेत्र में OEX सुपरनोड को एआईडीसी कंप्यूटिंग शक्ति सहयोग वास्तुकला और कंप्यूटिंग नेटवर्क संरचना के साथ प्रस्तुत किया गया।
एप्लिकेशन क्षेत्र ने न्यूस्टार्ट एआईओएस नामक ऑपरेटिंग सिस्टम का प्रदर्शन किया, जिसे औद्योगिक, घरेलू और व्यक्तिगत परिदृश्यों के लिए डिज़ाइन किया गया है, साथ ही कॉर्पोरेट एजेंट प्लेटफॉर्म को-क्लॉ भी प्रदर्शित किया। इस प्लेटफॉर्म का उपयोग ZTE कंपनी के भीतर एआई-संचालित संगठन बनाने के लिए करता है और इसे औद्योगिक, रेलवे, खनन, धातु विज्ञान और ऊर्जा क्षेत्रों के लिए दोहराया जाता है।
स्मार्ट होम क्षेत्र में ZTE के घरेलू टर्मिनल उत्पादों का प्रदर्शन किया गया, जिन्होंने लगातार पांच वर्षों से वैश्विक बाजार में नेतृत्व बनाए रखा है, जिसमें 100 मिलियन से अधिक वार्षिक शिपमेंट शामिल हैं, जिसमें 3 मिलियन एआई-सक्षम डिवाइस शामिल हैं। एजेंट स्मार्टफोन क्षेत्र ने नुबिया नेविएक्स अल्ट्रा प्रस्तुत किया - बाइटडांस के डौबाओ के साथ संयुक्त रूप से विकसित दुनिया का पहला उत्पादन-तैयार एजेंट स्मार्टफोन, जिसने WAIC में डेब्यू किया। नुबिया में ZTE के अध्यक्ष नी फेई ने जोर देकर कहा कि एजेंट फोन श्रेणी एआई का निचला आधा हिस्सा है, जो केवल सवालों का जवाब देने के बजाय कार्य करता है, जिसके लिए उपयोगकर्ता के सभी दर्द बिंदुओं की पूर्ण इंजीनियरिंग जांच, नेटिव ओएस का एकीकरण, स्थिर उत्पादन अनुभव और गोपनीयता सुनिश्चित करने की आवश्यकता होती है।
प्रदर्शनी के अलावा, ZTE ने मेडिकल एआई में उपलब्धियों की घोषणा की: चिकित्सा रिपोर्टों का 10 गुना दक्षता वृद्धि के साथ निर्माण, 1-5 मिनट में एचटीए रिपोर्ट बनाना, और 10,000 नैदानिक मामलों के परिणामों के आधार पर 96% सटीकता के साथ हृदय रोगों के निदान में सहायता करना। तीन मानव सदृश रोबोट भी पेश किए गए: वाणिज्यिक सेवाओं के लिए 30 किलोग्राम वजनी शिंगज़ाई, औद्योगिक उत्पादन के लिए भारी शिंगकिंग, और पहिया वाला शिंगवांग। ये सभी स्टार कोर ऑटोमोटिव चिप पर काम करते हैं, जिसमें शिंगकियाओ के फुर्तीले हाथ 0.2 मिमी से कम की सटीकता प्राप्त करते हैं।
