【德国,法兰克福,2016年6月20日】华为携手Mellanox今日在国际超算大会2016上,发布基于华为FusionServer E9000融合架构刀片服务器的InfiniBand EDR 100G交换解决方案,E9000也由此成为全球率先支持InfiniBand EDR 100G高速网络的刀片服务器之一。
Mellanox是全球领先的数据中心高速网络解决方案提供商,在全球范围内为服务器和存储提供端到端InfiniBand和以太网互联解决方案。Mellanox提供网卡、交换机、软件和芯片,其高速网络解决方案可以极大的提升数据中心效率,在应用和系统之间快速的传递数据,提升系统可用性。
面对云计算和大数据技术不断增长的数据处理需求,华为与Mellanox一致认为高速网络是驱动数据中心云化的技术基石。本次发布的InfiniBand EDR 100G交换解决方案,基于华为FusionServer E9000融合架构刀片服务器,专门针对高性能计算(HPC)、云数据中心、金融实时交易等应用场景,最大带宽可达100Gb/s、时延低至90ns,并拥有Virtual Protocol Interconnect (VPI)、Remote Direct Memory Access (RDMA)等特性,可大幅提升数据中心网络性能,并降低运营成本和基础设施复杂性,是大带宽、低时延应用的首选方案。
华为刀片服务器经理张小华表示:“Mellanox是华为重要的合作伙伴,此次携手发布基于 E9000刀片服务器的InfiniBand EDR 100G解决方案,将为客户带来更高的网络性能,显著提升网络敏感型应用的性能和效率。凭借多年的持续创新,华为E9000刀片服务器一直致力于为客户提 供卓越的性能和可靠性,并为客户提供更多样、更有竞争力的网络解决方案。”
Mellanox亚太及中国区市场高级总监刘通表示:“Mellanox致力于为数据中心 提供高效与智能的网络互连解决方案,华为则在整体数据中心方案中不断创新,相信加载Mellanox 100G高速网的华为E9000刀片服务器能够成为构建高效数据中心的出色产品。”
图片说明:华为FusionServer E9000融合架构刀片服务器全球率先支持InfiniBand EDR 100G高速网络
华为FusionServer E9000融合架构刀片服务器,秉承融合架构的理念,集计算、存储、网络于一体,全面提升客户的运营效率和数据处理能力。E9000近期更是推出了全闪存 刀片等业界独家特性,结合InfiniBand EDR 100G网络的高速低延迟带宽,可使单个刀片吞吐速率达到1000万IOPS,将充分释放高性能数据库、HPC等业务的巨大潜力。
根据Gartner的统计数据,截至2016年第1季度,华为刀片服务器已连续10个季度出货量排名全球前3,华为服务器应用于全球超过5000家客户,涵盖政府及公共事业、电信、能源、金融、交通、医疗、教育、媒资、制造等行业。
--全文结束—
华为公司简介
华为是全球领先的信息与通信(ICT)解决方案供应商。作为负责任的稳健经营者、创新的信息社会使能者、合作共赢的产业贡献者,华为致力于构建更美好的全联接世界。华为坚持围绕客户需求的持续创新,与合作伙伴开放合作,在电信网络、企业网络、终端和 云计算等领域构筑了端到端的解决方案优势。通过全球专注敬业的17万名华为人,致力于为运营商客户、企业客户和消费者创造最大的价值,提供有竞争力的 ICT解决方案、产品和服务。目前,华为的业务遍及全球170多个国家和地区,服务全世界1/3以上的人口。华为公司成立于1987年,是一家由员工持有 全部股份的民营企业。欲了解更多详情,请参阅华为官网:www.huawei.com
好文章,需要你的鼓励
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
各行业企业存储的数据量持续攀升,5PB以上已成常态,10PB以上也日益普遍。2026年非结构化数据管理的主题是全面增长:更多数据、更多投资、更多痛点以及更多AI安全风险。AI应用加速普及、数字化信息激增以及富媒体和传感器数据大幅增加推动了数据增长。随着AI推理应用的发展,企业将意识到非结构化数据管理对AI投资回报率的关键作用。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。