ZD至顶网服务器频道 10月17日 新闻消息(文/董培欣): 这些年与云计算相关的技术层出不穷。在开源社区前仆后继的持续推动下,云计算中的计算、存储、网络各项技术开始正式走向成熟。然而基于开源云计算技术的产品成功者并不多?对于云计算、数据分析以及软件定义的网络的各项功能可以采用什么类型的硬件产品进行实现?下面我们通过IBM新推出的三款Powr LC服务器新品来做一下简要分析。
由技术到产品的转变
做技术难,将技术转换成产品更难。开源云计算技术的源代码获得很容易,但是真正做出了实用产品的厂商确非常有限。是什么使云计算从技术到产品的转变如此困难?除了深层次的技术开发实力之外,稳定可靠而且高性价比的云计算硬件平台也是阻碍云计算技术向产品转换的重要原因之一。
在8月份 IBM Power远见者盛典大会召开后,至顶网曾经以《Power的未来发展之路》(http://server.zdnet.com.cn/server/2016/0905/3082875.shtml)为题目写了一篇IBM Power的文析文章。这篇文章中,分析了Power 8在云计算应用中的技术优势。但是在云计算系统的搭建中,可以选用哪些基于Power 8的服务器产品?这些服务器在云计算中可以起到什么样的做用?
近期,IBM发布了三款全新的Power LC服务器产品。正巧,笔者也找到一张云计算网络整体架构图片,感觉两者配合的比较贴切。下面就通过这张整体架构图来对IBM新推出的三款Power LC服务器做一个简要的应用分析。
S821LC——高密度计算的提供者
计算、存储、网络是云计算的三大主要组成部分。无论是利用KVM建立虚拟服务器,还是通过Docker提供虚拟服务,甚至对数据进行统计分析,都需要高密度计算能力的支持。IBM Power System S821LC可以在1U高的机箱内,提供多达20核心处理器的支持能力。可以充分满足云计算中高密度计算的应用需求。在整体架构图中与之对应的虚拟资源池、物理资源池网络功能集群均可交由S821LC进行处理。还有一些云计算的网络功能服务(NFV)比如虚拟网关、防火墙、漏洞扫描、入侵检测等也可以在S821LC上这行实现。
S822LC For HPC——高性能计算的提供者
在云计算应用中,还需要对海量数据进行高性能计算分析,这部分工作最好是由计算性能强劲的GPU来进行处理。IBM Power System S822LC For High Performance Computing采用了两个 IBM POWER8 CPU 和四个 NVIDIA Tesla P100 GPU,并通过 NVLink 实现互联。提供了比使用PCIe快5倍传输能力。从而加快了目前诸如高级分析、深度学习和人工智能等极其重要的应用解析速度。完全可以胜任云计算架构中大数据分析、监控实时处理等应用需求。
S822LC For Big Data——大容量存储服务的提供者
云计算不止是应用服务和数据分析,还需要具备大容量的数据存储功能。这个工作就可以交由S822LC For Big Data来完成。S822LC For Big Data产品可以提供高达96TB的存储容量,和最多20个CPU内核的计算处理能力。适用于存储密集型的Hadoop、计算密集型的Spark还有各种SOL数据库的数据存储及分析处理工作。
Power LC——新技术等你来发现
上面只是对IBM Power LC新产品进行了的简略介绍。IBM新推出的Power LC产品还有很多详细功能特性和技术指标没有全面向大家进行展示。对云计算应用场景的介绍也还过于粗糙。10月18日14:00,IBM Power Systems产品经理将走上前台,在至顶网上与各位网友深度交流(http://www.zdnet.com.cn/ibm/power/lc),共同沟通IBM Power LC新产品的各项功能,同时还会有IBM系统硬件事业部-资深IT工程师胡云飞为用户进行实时答疑。最后还将安排北京容天汇海科技的马先生将IBM Power超级计算的实际应用案例向大家进行分享。相信通过专家的专业讲解和解决方案深度介绍,大家可以对IBM Power LC有更加深入的了解。对如何利用Power进行云计算系统平台的搭建,有更清晰的认识。让IBM Power LC与大家携手并进共同展开云计算的新篇章。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。