6月6日,英特尔至强处理器E7 v4产品家族(下简称E7 v4)在北京全球首发,浪潮受邀参加了发布仪式并表示,浪潮八路服务器天梭TS860G3及四路服务器NF8480M4已经同步升级到最新平台,并针对实时分析、在线交易处理、云计算等应用进行了全面的优化,安全性、可用性和性能方面进一步提升。
浪潮展示E7 v4系列服务器
至强处理器E7 v4:14nm亮相 性能提升40%
E7 v4采用了最新的14nm制程,相较上一代22nm制程的产品核心数提升至24个,处理性能增幅达40%之多。这代平台支持DDR4内存,容量翻倍,内存吞吐最大速率也达到了3200 MT/秒。E7 v4在规格方面的提升为服务器产品优异的表现打下了坚实的基础。另外,E7 v4进一步提高了对虚拟化的支持,新一代平台运行虚拟化的效率更高。
至强处理器E7 v4特性
浪潮新E7 v4服务器:针对内存计算优化
在大数据海量发展的今天,实时分析和内存计算的应用越来越广泛。两款产品均为浪潮的旗舰产品,达到了这代平台扩展的极限。一款是中国销量最多的八路服务器,一款是全球销量第一的四路服务器,八路服务器TS860G3支持8颗处理器、24TB内存,内存带宽提升20%以上;四路服务器NF8480M4全模块化设计,支持12TB内存,并且两款产品均进行了整体优化,使得在在线交易、大数据、商业智能、实时决策等内存依赖型计算中,具有更好的实际性能。
浪潮旗舰四路服务器NF8480M4和八路服务器TS860G3
安全性提升70%
安全性一直都是企业所关注的重点,浪潮E7 v4服务器在这方面进行了加强。这代平台在微架构上支持了多种安全技术,有效提高了系统安全水平,降低了安全技术对系统资源的消耗,例如新平台的加解密速度提升了30%以上,同时还可生成高质量伪随机数。浪潮E7 v4服务器经过大量的测试和调整,在方案层面更好的支持了这代安全技术,相较上一代产品,安全计算性能综合提上了70%左右。
近80项RAS特性
升级后的平台可用性水平进一步提高,尤其是天梭TS860G3,RAS特性接近80项,所采用Live Error Recovery(LER)、eMCA等高可用技术都已经发展到了第二代,内部的传感器数量达到了500个左右,可以及时探测系统各类信息,整体可用性水平达99.999%。关键部件如内存、电源、系统风扇、硬盘及外插PCI-E卡等均支持热拔插技术和故障隔离,提升了系统可用性。
此外,标配浪潮服务器高级管理模块和OLED液晶显示模块(支持断电故障查询),搭配浪潮睿捷服务器管理套件,可提供全面的远程系统监测、维护、管理和控制功能,确保客户的系统管理轻松自如,降低IT维护成本。
浪潮:中国服务器市场第一 源于四路+以上市场
受云计算、大数据、数据中心整合等应用的推进,多路高端服务器市场一直保持着高速稳健的增长。据Gartner 2016年第一季度服务器简报显示,相较于11%的市场平均增速,八路服务器的增速达31%,成为季度增长最快的产品形态,四路服务器的增速也达到了16%。在这2个市场段,浪潮均实现了销量第一。至此,浪潮八路服务器已经连续10个季度销售量稳居中国市场第一。在全球,浪潮四路服务器销量更是连续2个季度排名第一。在中高端服务器的拉动下,浪潮继续保持了中国服务器市场第一的位置。
中高端市场的优势代表了企业底层的研发能力,浪潮按照小型机的苛刻标准设计并制造中高端服务器产品,关键部件均实现容错设计,在可维护性、可用性、可管理性等方面达到业界顶级设计水准。目前浪潮中高端服务器已经为全球多个国家的不同行业及领域提供了强大的支持。本次浪潮八路及四路产品与英特尔E7 v4实现了同步升级,为进一步巩固市场第一的优势打下了坚实基础。
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。