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
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。