惠普Gen8系列对于服务器产品的革新意义让人记忆犹新,惠普工业标准服务器产品部业务发展经理在Gen8产品及刀片工作站座谈会上就Gen8的性能优势及惠普刀片工作站的革新进行了详细介绍。
传统工作站的不利因素
传统工作站在布局上保障了客户数据的安全性,使企业的核心数据在客户“脚下”,也使传统工作站在一定意义上成为无可替代的一种产品。但由于体积、管理、性能等原因,传统工作站也有弊端。
一是约70%的员工在需要离开公司办公时,会带走他们的数据以防泄密,而在数据转移的过程中,势必 降低了数据的安全性;二是传统工作站管理效率很低,如果后台出现问题,解决起来非常麻烦,甚至会直接造成无法解决的严重后果;三是传统工作站的图形处理能 力有限,有时难以满足高要求的图形计算。
惠普刀片工作站的优势
基于以上传统工作站的几个弊端,反观惠普推出的全新Gen8刀片产品,如HP ProLiant BL660c Gen8刀片服务器。新式刀片工作站可以将复杂的图形计算能力从客户端转移到数据中心里,由数据中心来承担高性能的计算需求,实现了产品形态上的革新。
同时,数据中心的安全性最有保证,所以用户只需从数据中心进行调用,最大限度地保证了数据不会受到损失。
此外,目前的客户端多种多样,PC机、一体机、笔记本、以及平板电脑等都能成为终端设备,所以刀片工作站的革新同时实现了用户数据的后移。比如客户通过网络传输协议传输图片,就可以让一切实际工作都在后台数据中心中运行,实现了高效管理,也能提升处理效率。
惠普的刀片工作站能在10U的空间内集成16片双路图形工作站,每个刀片上分别设有独立的电源和风 扇,整个工作站的散热系统都在10U的空间内进行设计,从而缩小了工作站的体积,也使管理变得更加简洁。而其使用方式又可以和传统工作站相同,真正实现了 节能与高效的共存。
惠普刀片工作站的应用
目前,企业在选购单台服务器产品时多数会选择机架式,而需要做到集群的时候,刀片就有了较大的发展空间。长期以来,惠普也实现了横纵向的多种合作,比如与SAP的结盟深化市场合作,并得到了SAP IS认证,为惠普的生意开展打下良好基础。
就像之前人们逐渐从塔式服务器认识机架式服务器一样,在服务器市场中,刀片产品也越来越受到人们的重视,这种更新换代的市场规律也将持续。惠普的刀片产品也正在遵循一个“刀片系统——虚拟化——云计算”的历程,最终将应用落在云端。
惠普表示,如今的互联网行业多数选用高密度的服务器产品,并有使用刀片的趋势。刀片产品首先能够节省能源消耗,其次还利于管理。
互联网公司对于设备性能和维护成本的重视可以理解为三七开,设备的性能占三成,而后期的维护则占到了七成,正因如此,更能节省后期维护开支的刀片服务器,将在未来的互联网行业中扮演更加重要的角色。
惠普刀片工作站的前景
从推出首台x86架构服务器,到推出首台刀片服务器,惠普一直走在服务器发展的前端。全新的刀片工 作站实现了速度与功能上的平衡,智能管理技术能够提示硬盘寿命;特殊的指示灯防止服务器意外当机;整个阵列卡采用无电池技术,却也能使RAID具有记忆功 能。一系列的创新设计都体现出惠普刀片工作站的良好前景。
惠普表示,刀片工作站对于他们来说并不是单一产品,而是对整个惠普工作站的有力补充,也是对整个跨部门解决方案的有力补充。随着技术的不断革新,惠普刀片工作站将成为市场中新的增长点。
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。