ZDNet至顶网服务器频道 05月13日 (文/张锐): 英特尔公司近日推出英特尔至强E7 v3处理器,较上一代至强E7 v2处理器可以更好得支持实时分析,并给关键业务计算带来更强的性能以及更高的可靠性,同时帮助企业提高业务洞察能力。
就目前众多行业而言,不少企业和机构都在考虑实施商业智能,这可使得从大量数据中快速提取出有效且具有洞察性的信息,这带动着对内存计算以及大数据分析等新技术的渴求。
而作为“思想”的软件想要发挥出应用的实力,就必须依靠在强大的硬件“身体”之上。早在2013年年初,SAP宣布与英特尔正式建立长期合作伙伴关系,以提升组织与数据密集型行业的敏捷性和跨业务操作能力的竞争性,加速数据资产业务步伐,为集中在SAP HANA平台和分布在Apache Hadoop上的企业客户提供服务。
众所周知,关键应用在企业所有应用之中的重要地位,而SAP不只是单纯从表面上来判定应用在整个企业中的位置,从数据上来分析仿佛成了这类公司的“通病”。 SAP全球战略合作伙伴总监董波表示,“在SAP看来,有两类关键应用的数据在整个数据的生命周期中非常重要,一类是交易型数据,一类是分析型数据。目前企业的关键应用面临着两大挑战,首先是如何对数据进行快速处理,其次是当数据线性增长时如何做好迁移和管理,当迁移的时候,就将会面临这两类数据对性能的要求。“
基于以上问题,SAP推出了HANA技术以及S/4HANA,这些技术都是将这两类数据在内存数据中进行统一管理,在这个过程中就需要强大的基础架构来对其进行支撑,同英特尔从芯片层进行深度合作,以确保SAP所提供的关键应用支撑能够满足客户的创新需求。
随着近些年云计算的快速发展,SAP为客户提供了更多更新的选择,可以看的到SAP在近几年进行的大量收购工作,大部分是面向云化的平台,同时对于基础架构的要求也在逐步提高,英特尔所新推出的至强E7 v3处理器可帮助SAP HANA新一代产品在性能方面较上一代提升6倍,足以看得出,英特尔的芯片技术为SAP创造出了不少创新价值。
除了SAP之外,用友网络科技股份有限公司(原名为用友软件股份有限公司,下文简称用友)作为亚太本土最大的管理软件服务提供商,在发展业务的同时,一直很看重基础架构的重要性。其重要性说到底还是所谓的数据问题,用友网络科技股份有限公司股份市场部总经理李凯表示,“未来的企业都会成为数据驱动的企业,数据不仅是用来分析,还贯穿到企业运营的全过程之中,数据会成为企业之中最重要的一个方面。”
在面对数据处理和实时分析上,数据方面上的决策在一定程度上甚至可以驱动未来,作为用友在面向广大企业提供应用的过程中,用户所产生的数据量变得越来越大。基于这种情况,对分布式计算和实时分析都会有更高的要求,使得用友作为一家软件厂商与英特尔在企业计算方面达成一致并展开合作,以满足客户在这方面的需求。
目前用友主要面向国内的大型企业提供解决方案,从大型企业的应用来看,企业应用的范围正在逐步扩大,未来企业更加倾向于混合云的方式。企业内部关键核心的应用采取私有云的部署方式,通过某种方式来自建企业系统。另外在与客户的沟通、连接以及产业链协调方面上多采取公有云的方式,这就最终形成了一个整合的混合云的应用方式,不管采用哪种方式,对于性能和处理能力来说都需要更快、更稳当以及更可靠。
面对合作伙伴的种种诉求,英特尔至强处理器E7 v3可帮助其在系统内存之中更安全地处理和分析大型数据,从而更快地制定决策,提高运营效率,帮助企业夺得在市场之中的竞争优势。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。