ZDNet至顶网服务器频道 02月06日(文/赵效民):2015年2月4日,中国著名的服务器厂商浪潮在北京举行了盛大的发布会,宣布其整机柜服务器SmartRack的第50000个节点下线,由此也让更多的人知道了这个已经有5年历史的品牌,也预示着一个新的IT趋势的到来。按照浪潮的新闻通稿的话说,就是SmartRack将成为刀片服务器的全面替代者,而这一说法也激起了我的深厚兴趣。的确,在我看来,SmartRack与刀片服务器在很多层面都很相似,如果弄清楚刀片服务器的来龙去脉,那么也就不难理解SmartRack未来可能的归宿了。
刀片服务器之往事
在目前的一个标准服务器机柜配置中,1U(一个机架单元,宽19"[48 cm],高1.75" [4.45 cm])是任何设备的最小高度尺寸。最常见的机柜是42U高,这使得一个机架内可堆放的单个计算机设备数量限制在42个。
随着应用对于计算能力的渴望不断扩张,单位机架的计算密度的需求不断提高,有别于传统机架服务器的,新的可以大幅度提高单位机架计算密度的服务器就有了市场的需求,由此也就催生出了刀片服务器。
众所周知,刀片服务器(Blade Server)是一种拆卸式的模块化服务器,可以最大限度减少对物理空间和能源的使用。一台标准机架式服务器可以配备(至少)一个电源线和网线,但是刀片服务器有很多可移除的共用组件,而将它们转移到一个统一的机箱上,从而节约空间和最大限度降低能耗。
在一个刀片服务器机箱内,可容纳多个刀片服务器,它们共享能源、冷却、互连总线以及管理服务,而每个刀片服务器上仅保留必要的IT组件(CPU、内存、硬盘、网卡等)。
刀片服务器的诞生最早可以追溯到1970年代,在8位微处理器问世不久,开发人员就开始琢磨向板卡上配置了完整的微型计算机功能,并将其封装在标准的19英寸机架中。这种架构被用于工业流程控制领域,作为可取代迷你计算机控制系统的一个选择。
随后,在1981年诞生的VMEbus架构定义了一个新的计算机接口,可让置于机架背板的板级计算机带有多个插槽,提供了I/O、内存或者额外的计算能力。PCI工业计算机制造商组织(PICMG,PCI Industrial Computer Manufacturers Group)则为后来出现的CompactPCI总线开发了一个机箱/刀片结构。这些基于机箱的计算机有一个共同点,那就是整个机箱是一个整体系统,虽然一个机箱中可能包括多个计算机部件来提供所需的性能和冗余性,但是通常只有一个板卡在使用,一个主板卡在协调整个系统的运转。
在此之后,PICMG又扩展了CompactPCI规范可在背板的板卡之间使用标准以太网。PICMG 2.16 CompactPCI Packet Switching Backplane规范从2001年9月开始生效,提供了首个针对多服务器机箱的开放架构。至此,刀片服务器的诞生已经有了基本的技术保证。
第一个商用刀片服务器架构是由Christopher Hipp和David Kirkeby发明的,他们的发明专利被划归为RLX Technologies公司(由一些原康柏电脑员工所组建)所有。RLX公司在2001年正式出货首款商用刀片服务器,随后在2005年被惠普公司收购。
RLX的刀片,采用的还是全美达(TRANSMETA)的处理器,其实按今天的标准,它其实一个刀片PC,而不是刀片服务器
RLX刀片的机箱,这一模式的刀片在后来延续了很长时间
当前的典型刀片服务器机箱设计(惠普C7000),可以看出与最初RLX的设计差别不大,刀片槽位(16个)的后面是共享连接的“中板”,而在背板上(后视图)则提供了集中式的互联模块,并统一安装有10个冷却风扇,而最下方是共享的6个电源模块,显然,无论是风扇数量还是电源数量都少于刀片的数量,这种基础支持性设备的统一集中设计,带来了更高的集成化与更小的体积,并可以做到更好的单位电源利用效率
之所以要先介绍一下刀片服务器的起源,是因为刀片相对于传统机架服务器,最大的创新不在刀片服务器本身,而是在于刀片服务器的机箱架构,在这个架构中,相应的共享、冗余组件的设计影响深远,如果没有相应的背板总线与内部交换的技术进步,刀片服务器也就无从谈起,这一点也同样适用于整机柜服务器。
另一方面,刀片服务器的诞生与当前整机柜服务器的潮流,也都基于同样的需求——更高的计算密度、更合理的能源利用以及更快的系统部署。而在不同的时期、不同的应用规模和不同的周边技术基础之上,服务器的设计也在发生着“自然而然”的变革。
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。