整机柜服务器之往事
毫无疑问,互联网的发展正在迅速改变着我们所处的世界,从生活到工作,均带来了深远的变革。而支撑这一切变化的,最终可追溯至基础的IT架构与形态的改变 。云计算、大数据早已不绝于耳,这种更大范围内的数据、应用的集中,也造就了越来越庞大的数据中心,其规模在10年前都不可想象。与此同时,在这一进程中占据不同制高点的互联网巨头们也拥有了越来越强势的话语权,它们一方面在改变着我们的生活、工作的形态与习惯,一方面也在引领着IT基础设施的变迁,甚至改变了传统的IT产品设计、采购与商业服务模式。这其中,开放式硬件设计就是一个典型的趋势。
无论是全球还是中国,巨型的互联网企业,由于其IT设备采购规模巨大,且自身应用高度自主开发的特点,越来越不满足于传统的标准化 硬件架构——由硬件厂商提供的标准化设计的Box与相应的基础设施解决方案。虽然各大IT厂商均成立了互联网应用的产品事业部以应对互联网市场的迅猛发展,并开发出了一系列更高密度的产品(比如2in1、3in1、4in1等多节点服务器),但是仍然不能满足所有的要求,尤其是巨型互联网企业的需求——他们需要更特殊的设计与服务。而这些巨头们的自身业务成长与庞大的采购需求,足以改变传统的商业模式——它们可以根据自己的应用需求来寻找可定制化的硬件厂商进行合作,以前者提供的规格来生产自己专属的硬件基础设施,这样做的好处多多,一方面能最大限度为自己的应用优化,提高数据中心运行效率,一方面也能进一步降低成本,提高单位面积的数据中心利用率与投资回报率(ROI)。
面向互联网与云计算设计的多节点机架服务器,对于大规模的互联网数据中心来说,仍然是“杯水车薪”
由此,开放式硬件设计应运而生——它们主张更为彻底的重构硬件,将原本放在标准化Box里的元件全拿出来,再在更大尺寸的物理框架进行重新整合,而这个新的物理框架就是原来的机柜——原本用来装载标准化Box的大型“机箱”,这样设备也将以机柜为单位进行横向扩展(Scale-Out),这显然是符合大型互联网应用与数据中心建议需求的,也因此受到了互联网巨头们的认可与关注。逐渐的,为了让相应的设计在更大范围内标准化,以保证采购效率与成本,开放式硬件联盟出现了。在国外,以Facebook主导的OCP(Open Compute Project开放式计算项目)就是著名一例,而在国内与之对应的就是天蝎计划(Project Scorpio)。
天蝎计划是最早由百度、阿里、腾讯三家中国最大的互联网公司(俗称BAT)发起,后中国电信、中国移动相继加入,并由英特尔作为技术顾问成立的整机柜服务器解决方案项目,先后有多家国内外服务器厂商参与研发。项目组于2011年11月1日在深圳发起成立 (正好是天蝎座的日期段内,不知这个名字是不是与此相关:P)。2011年12月22日, 在杭州集聚了DELL、HP、IBM、华为、联想、浪潮、 曙光等国内外主流服务器厂商,进行了一次全面的深入的技术研讨会。2012年4月11日, 在北京IDF2012上对外发布了《天蝎项目整机柜服务器技术规格》Version 1.0版本,2014年9月,天蝎整机柜2.0版规范正式发布,同时天蝎联盟也正式更名为“开放数据中心委员会”。
作为天蝎计划自始至终的产品方案的实施方, 浪潮的SmartRack就是一直沿着天蝎的轨迹发展至今,最终成为了中国市场上占有率最高的整机柜服务器。
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。