ZDNet至顶网服务器频道 06月06日 新闻消息:近日,IBM召开了新睿融合式刀片架构高峰论坛,再次展示了新一代刀片融合系统Flex Systems。在System x家族中,Flex Systems是一个独特的产品,它是PureSystems专家集成系统的核心硬件基础架构,也是IBM新一代的融合刀片系统。
目前全球市场中x86刀片服务器可能占到x86服务器的22%,但中国市场中这个比例只有10%。IBM系统与科技部Pure及刀片服务器大中华区总经理黄建新认为,国内刀片市场低于国外的原因一方面是历史原因,传统IDC和机房大多还是采用机架服务器,第二是国内市场对刀片服务器的认知度有待增强,很多用户认为刀片服务器这种架构存在着可靠性、散热等方面的问题。
黄建新强调,新的融合刀片系统和以往老的刀片已经完全不是一个概念。例如,传统刀片并不整合存储,难于实现跨不同操作系统平台的整合,也难于同时支持多种虚拟化平台。而Flex融合刀片系统实现了服务器、存储、网络的高度整合,能同时支持不同的操作系统和虚拟化技术,技术上更加灵活,具有高冗余和RAS特性,保证硬件故障不影响业务性能。
Flex Systems所配备的FSM管理模块能够明显降低服务器的部署和管理过程,比如能够看到整个基础设施环境的情况,包括新的事件和报错等详细信息,能对环境有全面的掌控;支持手机客户端,实现更加方便的远程管理;同时具有虚拟机镜像部署功能,在管理页面就能轻松实现部署。
IBM系统与科技部大中华区x86和PureSystems产品总监甘兆明介绍,采用Flex Systems融合架构,相比传统的IT环境,能源成本可节省30%,首日部署加快66%,数据中心空间需求减少80%,网络连接线缆减少92%。
甘兆明表示, 联想收购的是整个System x的路线图,包括开发团队、销售人员等。IBM投资10亿美元用于x86的研发,在交易完成后,这笔投资还会持续。不仅是融合刀片系统,X6高端服务器、海量服务器,都能够保证IBM一贯的创新。
正因Flex融合刀片系统相比传统刀片和IT架构有着明显的优势,故而不管是IBM还是联想,对于Flex Systems都十分看重,尤其对于缺乏刀片产品的联想而言。黄建新表示,Flex Systems融合刀片将成为联想的核心产品,故而IBM重新启动Flex的市场推广,旨在提升用户对融合刀片系统的认知和接受程度,改变对刀片的传统认知。在研发方面,IBM和联想接下来将有紧密的合作,包括共享知识产权。
就Flex Systems而言,根据交易协议,IBM将向联想出售基于x86的Flex系统,而保留基于Power的Flex系统。但根据双方的共享协议,未来基于x86和Power的Flex系统还将共用相同的机箱,这也是为客户现在的投入做资产保护。
在服务方面,黄建新介绍说,System x的产品和服务是完全可以分开的,在保修期之内产品的保修服务是由IBM GTS部门来提供,而超过保修期后,客户可以根据需要继续选择GTS提供服务,或者选择第三方的服务。
在渠道方面,System x原有的管理体系、渠道体系将基本维持不变,以给予合作伙伴承诺和信心,而渠道对双方的交易也持有积极态度。中国对国产化的要求越来越高,很多政府采购都要求国产的产品。交易后联想将具备国际化的品质和技术,同时依托本地企业的优势,完全能够满足客户的要求。好的品质+国产品牌,这是渠道喜欢看到的,能带来更多的商机。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。