ZDNet至顶网服务器频道 10月05日 编译消息:在正式将自身x86服务器业务出让给联想公司之后,IBM如今开始将全部精力投入到POWER处理器的发展战略当中——其最新成果正是新一代基于POWER8架构的服务器方案。作为最受瞩目的特性,这也是POWER架构服务器第一次将英伟达GPU加速引入自身。
此次公布的IBM Power S824L服务器既是首款包含有英伟达Tesla GPU的产品,同时也是第一套完全由OpenPOWER基金会打造出的解决方案。顺带一提,OpenPOWER基金会与ARM类似、是由蓝色巨人于去年建立的芯片协作联盟。
IBM公司过去也曾经在将Tesla芯片搭载至其基于英特尔的System x服务器之上,但随着本周三其System x业务部门交易的彻底结束、目前这一产品线已经完全归属于联想公司。
不过大家千万不要担心,IBM强调称,其与英伟达以及其它OpenPOWER基金会成员之间的合作意味着蓝色巨人现在能够将GPU加速机制引入到POWER服务器当中——这下英特尔叔叔该紧张了。
“本周这项新闻的重要意义在于,IBM开始朝着与英特尔所选择的封闭与专有战略相反的方向迈进。很明显,芯片巨头一直在固执地坚持以摩尔定律为基础的PC时代技术战略思路,但却无视了客户在大数据与云时代下在解决方案方面的需求变更,”蓝色巨人在一份电子邮件当中指出,而且采取了指向性颇为明确的强硬表达态度。
单从外观上看,大家可能弄不清上图到底是何方神圣; 事实上,这是IBM最新打造的英伟达GPU加速型服务器设备。
OpenPOWER基金会项目现在已经拥有五十九位成员——相较于当初创立时的五位成员可谓实现了长足进步——其中包括Altera、Canonical、谷歌、日立、Mellanox、三星、Tyan以及中兴等多家企业。
IBM公司在过去一年中一直与英伟达保持着亲密的合作关系,英伟达方面Tesla业务负责人Sumit Gupta针双方的合作形容为“我们所获得的最强大的技术支持。”
这款全新GPU加速型服务器主要用于处理大数据工作负载,IBM方面指出,这意味着其负载类型除了典型的NoSQL/MapReduce任务之外,同时也适用于生物信息学、金融、国防以及石油与天然气行业——也就是我们一直听说过、但却不算主流的技术范畴“高性能计算”。
就目前而言,并不是运行在POWER架构之上的每一款应用程序都能将计算任务分配给GPU。IBM公司表示,他们正在努力与多家合作伙伴积极配合、旨在为大部分面向各类领域的主流软件打造GPU加速版本,从而为DB2数据库等产品提供额外的性能优化机制。
蓝色巨人还计划与英伟达进一步加深合作,并将后者作为GPU加速项目当中的独家合作伙伴。下一代POWER8服务器将囊括英伟达的NVLink技术,它能够加快数据在CPU与GPU之间的交换速度,不过这些服务器产品恐怕至少要到2016年才能正式与广大用户见面。
从另一方面来看,IBM Power S824L计划于本月三十一号推出通用版本。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。