ZD至顶网服务器频道 02月03日 编译:前不久,欧洲ExaNeSt HPC的试点项目已经起步,此项目仅用到1000个内核,同时所用到的内核并非英特尔制造。
欧洲的ExaNeSt项目组建的初衷,就是想利用1000万个ARM处理器来完成,用来支持项目里的超级计算的项目。
除此之外,ExaNeSt称之为“稻草人原型”的一系列处理将采用液体冷却,并使用处理器结构里的闪存,而且这一系列处理将采用“创新的快速互连”,以避免拥塞。
该原型不会拥有接近百万个处理器:它只有1000个处理器内核,采用64位ARM赛灵思Zynq Ultrascale+处理器,16 Gbps互连以及每个母板上的16 GB低功耗内存。
该项目于2015年12月举行了启动仪式,同时还宣布了欧盟提供850万英镑的资金支持项目的三年设计项目的消息。
该项目预计最终可找到所需的冷却技术以运行每个机架高达240千瓦的计算功率,但在今年一月的一次讲演里,Crete大学的Manolis Katevenis和 Nikolaos Chrysos却提出,互联是超级计算机器的最大障碍。
其原因是由移动数据成本导致的,移动数据成本以pici焦耳计算,互连移动数据成本要高于处理成本,而且这一发展形势还在上升。
ExaNeSt的商业合作伙伴ExaNoDe将设计基于ARM的“微服务器HPC”实现,据悉,项目的其他贡献者包括EuroServer(处理器间通信设计)、Ecoscale(可编程硬件加速器)、赛灵思(FPGA和通信)、美光(低功耗内存和存储)和Kaleao(产品化)。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。