ZD至顶网服务器频道 08月05日 新闻消息(文/张锐):现如今随着大数据、互联网+越来越火热,电商的兴起给传统行业带来了极大程度上的冲击,这正使得零售行业不得不进行一定程度上的转型。
作为涂料行业的领导品牌,立邦旨在推动创新技术的研发、多元产品的拓展,让中国消费者和客户在涂料功能、涂刷效果和环保、服务等方面有更大选择,最大程度满足社会和市场的需求。
如上文所说,零售业正在面临着转型,要想跟随市场的大环境来进行改变,就首先需要在企业IT系统架构上做到一定程度上的改变,立邦最主要的IT系统是围绕着SAP的应用环境在建设,在面对众多数据时可以很好得进行处理,并能够快速得筛选出有价值的数据,这为立邦在业务上的提供了很大的帮助。
立邦如此部署IT系统架构的主要原因是,立邦每一天在业务上都要和将近8000名使用者接触,并且在每个月的月底关账的时候需要用一天的时间把整个月的数据和单据都进行整合,这其中包括了成本分析和每个工厂所有的账面。立邦如今的IT系统架构可以提供更好的、更快速的、以及更加强大的数据处理能力,可轻松实现实时洞察、大数据管理、快速的执行分析、灵活的需求分析以及任意形态的数据分析,所以IT信息化建设对于立邦来说是非常重要的。
为了满足立邦公司在IT系统架构上的诉求,英特尔携手惠普助力立邦在IT信息化方面上的建设。在惠普ProLiant DL580 Gen9服务器上搭载着英特尔最新推出的至强E7 v3处理器正是这两家公司为立邦所提供的解决方案。
惠普ProLiant DL580 Gen9 服务器是惠普四插槽企业级标准 x86 服务器产品,可提供增强的处理器性能、高达 6 TB 内存、更多IO 带宽能力(9 个 PCIe Gen 3.0 插槽)和 12 Gb/s 的 SAS 速度。
惠普ProLiant DL580 Gen9 服务器从设计之初就将其设计为可搭载英特尔至强E7家族处理器的一款产品,说到英特尔这款最新的处理器,就目前市场中各大服务器提供商近期的工作来看,可以看得出英特尔可谓是挣得盆满钵满。
英特尔在今年五月初推出了至强处理器E7-8800/4800 v3系列产品家族,主要用于多路服务器设计,使用在数据库等关键业务应用的领域。此次至强E7 v3处理器不仅在性能上较上一代产品在性能方面提升了平均40%,与此同时新发布的TSX(事务同步扩展指令集)、RunSure以及4个新增的RAS特性,为数据实时分析、关键业务计算提供了新的技术。
在立邦看来,此次英特尔至强E7 v3的推出,在数据处理等方面为立邦提供了很大程度上的支持。立邦中国信息总部副总裁陈庆辉介绍到,“英特尔至强E7 v3是18核,而至强E7 v2是12核,并且至强E7 v3的每个单核速度都快于至强E7 v2。使得整体处理速度较之前就会变得更快,并且配合上大容量的内存,最终使得处理器在性能方面得到了增强。”
陈庆辉表示,“并且立邦在测试中发现,在最高性能、最高压力的SAP HANA的内存计算中,至强E7 v3的处理速度大概是至强E7 v2的2-3倍。如果是在连续压力之下,这一数字可达将近10-11倍。”
值得一提的是,测试过程中配置了英特尔P3600系列固态盘作为数据和log存储。英特尔P3600系列固态盘采用了NVMe协议标准,拥有出众的读写性能、时延以及性能一致性、可靠性,使得数据更靠近CPU,充分发挥系统整体性能,相对于传统机械硬盘大大加速了用户后台计算能力的提升,显著降低总体拥有成本。
有人一定会好奇,虽然新推出的至强E7 v3在性能上有了如此之大的提升,但是面对实际的应用时需要有这么大吗?就拿零售业来说,如今企业都需要接入到外部数据,随之而来的就是数据量会变得越来越多,这也是因为采集数据的手段变得越来越多,同时提供数据的第三方也变得越来越多,所以外部数据量在一定程度上将会呈几何倍的增长,对于企业来说这一部分的数据不容忽视。
并且在企业内部之中,数据也在呈现居高不下的状态,这是一个量变产生质变的过程,影响企业内部数据的原因就是随着城市的发展状态会呈现出增长的势头,例如市民的消费水平。
无论在企业外部还是内部所获得的数据,这对于企业的信息主管来说都是很重要的,使用大数据和数据分析来掌握数据并分析数据成为了企业之中一项很重要的工作,这也是企业核心竞争力产生的原因之一。
面对以上这么多数据,或许还真有一天数据会“溢”出来,立邦与英特尔以及惠普的合作在现如今这个局势下完全可以应付数据的增长,但是未来会不会有一天无法应付了呢?答案一定是否定的,因为产品更新换代的意义就是在与时俱进。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。