ZDNet至顶网服务器频道 03月02日 新闻消息:AMD公司近日宣布,惠普ProLiant DL380 Gen9已经采用为高性能计算而生的AMD FirePro™S9150服务器GPU(图形处理单元)。AMD FirePro™服务器GPU与惠普ProLiant DL380 Gen9服务器结合,专门用于各种应用计算,包括学术和政府集群,石油和天然气研究和深度神经网络。强大的软件生态系统支持AMD FirePro™S9150服务器GPU,让开发人员能够更好地利用其计算性能,包括针对OpenCL™2.0的支持。
AMD FirePro™服务器GPU采用首款以计算负载为中心的AMD GCN架构,支持增强双精度浮点计算,双精度计算性能突破每秒2万亿次大关。借助16GB GDDR5显存和235瓦最大功耗,AMD FirePro s9150服务器GPU提供巨大计算性能,同时最大化可用的功率预算。
AMD专业显卡总经理Karl Freund表示:“我们很自豪能够为惠普服务器用户提供AMD FirePro服务器GPU和计算能力,来管理各种场景的密集型计算负载。惠普ProLiant DL380 Gen9服务器用户可以受益于开放标准,如OpenCL™和OpenMP,也能受益于GPU计算和多GPU支持。”
惠普机架式和塔式服务器副总裁和总经理Peter Schrady表示:“借助AMD FirePro GPU,惠普ProLiant DL380可以比以往更快地运行图形密集型应用程序。我们的政府、学术界和能源客户将会看到性能优势,让惠普ProLiant服务器帮助他们完成更多工作和任务。”
借助AMD Stream技术,客户将能够利用AMD FirePro s9150服务器GPU提供的大规模并行处理能力,加速图形之外的应用程序。AMD FirePro s9150服务器GPU特点:
◆2.53 TFLOPS峰值双精度性能 – 最高领先竞争产品77%
◆5.07 TFLOPS峰值单精度性能 – 最高领先竞争产品18%
◆业界领先的显存配置 – 16GB GDDR5显存,512-bit显存界面,显存带宽高达320 GB/s
◆2816个流处理器(44个GCN计算单元)
◆支持纠错码 (ECC) 显存(仅限外部显存)
◆支持OpenCL™ 2.0
◆最大功耗235瓦
AMD FirePro s9150服务器GPU通过开启OpenMP,支持各行业工作负载处理。OpenMP是在C、C ++和Fortran语言中实现高层次并行计算的API。在细分市场,如石油和天然气,计算机辅助工程与计算科学,许多组织都在OpenMP上进行了大量投资,以创建可扩展的工作负载。 AMD与PathScale公司合作支持OpenMP 4.0,将允许用户在这些HPC领域利用AMD FirePro s9150服务器GPU的计算能力。
此外,惠普ProLiant WS460c图形刀片服务器采用了AMD FirePro™ S4000X服务器GPU。凭借高品质的3D图形和多重显示功能,AMD FirePro™ S4000X服务器GPU模块,为远程桌面提供了工作站级图形性能。AMD FirePro™ S4000X服务器GPU在设计上考虑到刀片服务器和刀片工作站平台特点,每个模块最大功耗45瓦,包括2GB GDDR5显存,显存带宽高达72GB/s,并支持多达六个高分辨率远程显示设备。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。