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
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。