ZDNet至顶网服务器频道 12月15日 新闻消息:全球电脑产业夕阳西下,PC苟延残喘在智能手机的阴影之中,老牌电脑大厂惠普,首当其冲。不过,惠普并不认同电脑或者计算机这种产品将作古。
据美国科技新闻网站“技术评论”报道,惠普已经召集了一百多名研发人员,正在推翻1940年代以来建立的电脑开发设计理念,正在研发全新的计算机和操作系统,其中惠普将抛弃内存和硬盘单独设置的做法,统一采用一种存储设备。
惠普这一计划十分宏大,涉及全新的电脑或服务器硬件,全新的操作系统,新的电脑,可能不再使用微软的Windows操作系统。
据报道,这种全新的计算机在惠普公司内部的研发代号为“机器”(TheMachine)。惠普希望“机器”能够掀开计算机发展历史上新的篇章,这种计算机性能更加强大,此外更加节省电能。
自从1940年代以来,计算机的设计中,内存和硬盘被分为两种存储介质,其中内存访问速度更快,用于保存临时性的数据,硬盘访问速度较慢,用于保存永久性的电脑数据。
惠普“机器”最大的突破,将取消内存和硬盘的传统存储概念,惠普将采用一种统一的存储介质,取代内存和硬盘。据悉,如果目前电脑中内存和硬盘之间频繁的数据传输和转移被取消,则可以大大提升电脑的处理速度。
“机器”项目的首席架构师布尼克(KirkBresniker)表示,计算机发明时期所构建的模型,今天仍然无处不在,这种模型已经阻碍了现代计算机的发展。
据报道,“机器”项目由惠普公司内部的“惠普实验室”承担,目前,该实验室的所有200名工程师中,四分之三正在研发“机器”。
布尼克表示,CEO惠特曼本人对于这种新型计算机的研发也十分支持,为此增加了研发开支规模,不过布尼克并未披露“机器”项目的研发预算。
据报道,惠普研发的新型计算机,主要竞争对手是谷歌、Facebook等网络巨头在数据中心中所使用的大量服务器,不过布尼克也表示,新型计算机的设计,未来能够应用于更小型的计算设备。
“机器”将是一个庞大的系统工程,惠普必须在硬件和软件设计方面提升到一个全新的水平。尤其是在硬件方面,惠普替代内存和硬盘的全新存储介质采用名为“记忆电阻”的电子零部件,在新存储介质领域,惠普仍需要作出大幅度的完善和提升。
布尼克介绍说,“机器”项目的第一个原型机,将会在2016年推出。不过在此之前,布尼克希望更多的第三方硬件和软件开发商,能够熟悉这款全新的计算机。
惠普也将为全新计算机开发新的操作系统,名为“Linux++”,系统将会在2015年杀青。
届时,惠普将会向第三方开发者提供可以模拟新型计算机的模拟软件,用以测试自家开发的应用软件。
据报道,在惠普的计划中,“Linux++”还只是一个临时性的操作系统,惠普还将从头开发名为“Carbon”的操作系统,来适应全新的计算机。
布尼克表示,Linux++操作系统以及软件开发者的参与,将有助于他们熟悉惠普的全新“机器”,帮助惠普的开发工作。未来惠普也会向开发群体做出更详细的说明,比如哪些现有的应用软件在“机器”中可以获得最大幅度的性能提升。
在传统的计算机中,应用软件和文件等数据保存在硬盘或是闪存盘中,每一次运行软件和程序,计算机首先需要把数据从硬盘传输到速度更快的内存中,而一旦停电,内存无法保存数据。这种数据的来回“搬运”,影响了电脑的运行。
惠普根据“记忆电阻”研发的全新存储介质,可以在停电之后保存数据,另外速度比内存更快,另外和同样体积的硬盘相比,可以保存更多的数据。
“机器”中还包括其他的创新设计,比如在计算机各部分转移数据时,将使用光纤取代传统的铜线。
惠普的模拟测试显示,基于“机器”设计方案设计的服务器,将比同类型的服务器性能快六倍,体积只有十分之一,只使用1.25%的电能。
美国佐治亚理工学院的教授UmakishoreRamachandran表示,惠普的新型计算机设计,将会获得谷歌等互联网巨头的高度关注,因为他们在全球拥有大量数据中心,安装了海量的服务器,谷歌和Facebook等希望服务器性能更强大,更节省电能。
不过这位学者也表示,全新的计算机和全新的操作系统,意味着可能采用全新的方式来开发应用软件。
近年来,英特尔、谷歌、亚马逊等公司,一直在对传统计算机进行改造,试图提高处理性能,降低电耗。比如在“超极本”参考设计中,英特尔希望用基于闪存的固态硬盘,取代传统的机械硬盘,提高PC性能,但是这一努力并未成功,市面上的大量电脑,仍然无法脱离机械硬盘。
需要指出的是,惠普的目标很宏大,但是任务十分艰巨,业内人士对于这种新型计算机是否能够研发成功,心存质疑。据悉,单是在基于“记忆电阻”的新存储器的研发上,惠普实验室已经落后于项目时间表。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。