ZDNet至顶网服务器频道 11月24日 新闻消息(文/张锐):2014年11月18日,英特尔公司于北京富力万丽酒店召开举办了主题为“拥抱开放架构、拓展核心应用”的英特尔2014企业核心应用论坛,在论坛上携手合作伙伴就企业核心业务应用在当前新形势下所面临的挑战与变革进行了深入的分析,同时向与会者展示了英特尔与合作伙伴合作,依据软件定义基础设施(SDI)理念所开发的一系列创新解决方案。此次英特尔企业核心业务应用论坛已经走过了四个春秋,较四年前英特尔在企业服务上面的努力有目共睹。
客户需求与市场变化
当今这个时代较几年前已然不同,在云计算、物联网、移动互联网、大数据等技术创新的驱动之下,数字服务经济时代因运而生。在各行各业之中都在培植属于自己的核心业务应用,将与传统关键业务应用一起,刷新着整合企业核心IT应用和服务的外延和内涵。
随着互联网的蓬勃发展,可以很容易的感受到整个数据中心所支撑的平台可以跨越传统PC、笔记本等设备,延伸到更多的互联设备。这就要求数据中心所提供更为强大的支撑平台才能够帮助大众所使用的设备可以进行互联互通。
如今互联网的发展已经取得前所未有的进步,英特尔(中国)有限公司数据中心市场部总监赵萌在论坛中介绍道,“可以看到在中国光移动互联网的数目达到8.3亿用户,在中国微博数量已经达到7.19亿,微信用户大概也有4.68亿。智能手机以及新型的PC机和平板电脑设备也比以前有了非常大的飞跃。”互联网产生了巨大的对数据中心的需求,这些需求不光是计算资源,也包括存储资源、网络资源。
在我国的很多领域之中,计算能力可谓已经引领了整个世界的发展,其背后的贡献不光是在设备端,也需要在后台的数据中心端,产业界需要更好的解决方案进行支撑。
为了更好得应对时代所带来的挑战,数据中心的计算能力需要更进一步的提升,英特尔作为一家全球规模的芯片厂商,在计算领域之中的贡献是不会停止的。
计算永不止步
数据中心的发展已经超越了之前所想象和承受的负载,这对英特尔提出了更高的需求。这些需求是面临着数据中心所持续需要解决的压力而产生的,压力主要体现在网络、存储以及服务器端上。
现在基于这个时代的需求,需要共同打造出一个全新的、可扩展的,并且开放、高效、按需提供和灵活可扩展的平台才能满足如今在背后数据中心端的应用需求。
软件定义如今作为一个热词,一直被大家热议讨论着,甚至有人将这个时代命名为“软件定义”的时代,英特尔在过去几年一直在不断地进行着有关SDI的实践,在存储单元、计算单元以及网络单元等方面都在为SDI的实践提供更多模块化的设计和基础的支撑。赵萌介绍道,“这些技术表现在比如存储单元,英特尔拥有高速缓存的存储加速技术,ICI技术用来加速缓存。另外英特尔的Lustre的软件可以更好地构建一个新的文件系统,包括英特尔存储的加速库可以在底层的优化方面帮助软件开发商,在网络方面英特尔拥有DPDK面向开发者的开发工具包,用户可以灵活定制化的开发网络环境。在计算单元刚才提到像更好的向量化的支持,比如AVX2.0,可以打造更高效,性能更好的计算单元。”
与此同时,英特尔将计算单元整合之后,可以交付给上游厂商进行整合,包括OEM的合作伙伴,也包括在软件方面的合作伙伴,用以支撑上层的应用。英特尔实现SDI的途径是从底层做起的方案,先把底层的硬件进行优化,以及进行更好的管理和模块化的设计满足于上层的应用。
并且英特尔整合了其生态系统,在放开的基础之上,与合作伙伴共牟利。如今有很多的用户在质疑对于企业级别的特性,开放、开源的体系架构是否能够满足其需求。英特尔在内部整合了软件部门的资源以及在硬件方面的调整。英特尔足以实现更高的可用性以及更好的容量和配比的管理,以更为轻松安全的方式来进行实施,并与业界的合作伙伴一起来交付源代码,使得英特尔在开源方面有了长足的进步。
由此可见,英特尔在数据中心领域拥有全面的技术创新优势和广泛的产业、用户支持。英特尔在多路至强平台上RAS的进步,可以保证企业业务系统的可靠性、可用性和可维护性;英特尔的开放平台,尤其在软件定义基础设施(SDI)领域的创新,也正是帮助企业建立高效、灵活、稳定系统的最佳选择。
在未来英特尔将会有怎样的表现呢?让我们拭目以待。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。