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
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。