ZDNet至顶网服务器频道 10月28日 评论分析(文/赵效民): 自IT技术进入中国以来,中国对于自主IT的完整追求,就从没有停止过,回顾历史,我们可以看到很多熟悉的中国自主IT产品与相应的解决方案,包括了CPU、服务器、存储、网络、操作系统、数据库等多个层面。不管怎样,它们都代表了中国各方对自主IT的向往与努力,而今天(2014年10月28日)成立的“中国POWER技术产业生态联盟(下文简称为“中国POWER技术联盟”)”,则就是其中的最新的一次实践。
现在一谈到中国自主IT的发展,很多人第一时间会想到中国政府。这是显而易见的,从某种角度上讲,中国政府对于自主IT的发展已经是一项国家战略,这背后的IT需求已经与民间企业有很大的不同,不得不说它与中国政府总体的国家信息安全战略有着密切关系,也许某些人理解不了,但在我看来,对于中国这样的大国,的确无可厚非。
也正是因为这样的需求,相应的核心技术发展战略与总体的生态环境构建,也自然要由政府部门自己来操心,并号召相关的中国本土IT提供与服务商积极响应。这次的“中国POWER技术联盟”也不例外,在大会上,江苏省政府副省长史和平、苏州市市长周乃翔、国家工业和信息化部副部长杨学山亲临会场做开场致辞,无疑体现出了国家主管部门与相关地方政府对此事的重视。
来自中国工业和信息化部、江苏省、苏州市以及其他地区部门的政府领导,见证了“中国POWER技术联盟”参与厂商与机构的签约仪式
这样的背景,也让我们从“国家高度”上对中国POWER技术联盟有了一个率先认识。
中国POWER技术联盟到底要干啥?
从相关政府部门的官方表态中,我们能清晰的明白“中国POWER技术联盟”的用意与发展目标——围绕OpenPOWER生态建设,打造“芯片—软件—整机—系统—信息服务”全产业链;以硬件性能的提升带动软件发展,以软件的优化升级促进硬件技术进步,推动信息技术产业发展水平整体提升。
我认为,打造“芯片—软件—整机—系统—信息服务”全产业链是“中国POWER技术联盟”的核心使命,而这个全产业链也就是我们常说的“生态环境”。不过这个词在所有主推国产化系统的部门的嘴中都说烂了,那么“中国POWER技术联盟”又有何特殊之处呢?在我看来,它最特别的地方是提供了一座“桥”,让中国自主的软件方案与国际主流CPU平台更好衔接的同时,又满足了硬件系统国产化的需求。而这座桥并不是一直存在,让中国人现在才发现它,事实上它源于IBM对于POWER技术的开放,为中国自主IT的发展提供了一个崭新的契机,进而为“中国POWER技术联盟”的诞生提供了基础保证。
由于在一个垂直的IT生态环境中,底层的CPU平台最为重要,它决定了软件平台开发与优化的方向,而综观中国自主CPU的发展,可以说能试的我们都试了一遍——MIPS、ARM、Alpha、SPARC等,这些CPU架构在核心授权方面并非难事,但在整体的企业级生态配套方面却均不尽如人意。ARM虽然在移动端风生水起,但在企业级领域还有很长的路要走,其他三个无论在哪个市场都已被边缘化。利用这些底层架构开发CPU易,可建立完整的应用生态环境则难比登天——并不是说中国没有相关的产品,但在一个具体的垂直组合中则往往搭配不上,而这种垂直化方案组合上的“捉襟见肘”就是中国自主IT生态环境建设的真实写照。
事实上,中国本土并不缺乏中间件、数据库以及企业关键应用(ERP、CRM)产品,可大都是基于全球主流CPU平台的(尤其是英特尔x86与IBM POWER,两者目前是企业级应用的主流平台,前者统治了Linux与Windows市场,后者统治了UNIX市场),基本与国产CPU无缘。也因此,时至今日,中国自主CPU平台都局限于某些特定的市场(比如定制的HPC系统以及专属的政府环境)。
而“中国POWER技术联盟”将借助OpenPOWER打造自己的POWER处理器,并由此成功嫁接POWER既有的生态环境,以期做到中国自主IT环境建设的“一举两得”。
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。