ZD至顶网服务器频道 10月21日 新闻消息(文/邹大斌):在日前举行“2016开放数据中心峰会”上,ODCC(开放数据中心联盟)发布了一系列研究成果,包括天蝎 2.5、多节点服务器测试规范、模块化数据中心、数据中心光模块、AOC线缆、数据中心选址规范等,同时还透露了正在研究中的天蝎3.0计划。这其中有关天蝎计划的部分尤为引人注目。这不仅是因为天蝎计划原本就是由BAT主导,一直致力于提供一个高效、节能的整机柜服务器解决方案,更为重要的原因在于整机柜服务器现在市场热度明显升温,潜在市场非常大。
随着云计算、移动化和大数据应用的普及,数据中心规模有不断扩大之势,而伴随数据中心规模越来越大,数据中心的部署、运维、耗电等问题就会越来越突出,整机柜服务器就是针对这一需求而提出来的。也正是这个原因,整机柜服务器才在互联网公司受到特别关注。比如,中国的天蝎计划和美国的OCP(Open Compute Project)两个组织都是由互联网巨头发起的(前者主要由BAT发起、后者由FaceBook倡导成立),其目标也基本一致的。
实际上,整机柜服务器并不是一个特别新的概念,早在2008年国内就有一些互联网企业开始研究(如腾讯),到2010天蝎计划启动加速了国内对整机柜服务器的研究步伐。当然,真正推动整机柜研究的还是市场需求,这就是大型和超大型数据中心的出现。有机构甚至预测到2020年市场上会出现50万台容量的单一数据中心。
不过,到目前为止,整机柜服务器在绝大多数数据中心中依然属于稀罕之物,即便是在像腾讯这样的互联网企业。曹浔峰介绍,目前在腾讯部署了几百个整机柜,主要应用在一些自建或合建、条件比较好的机房(整机柜因承重的原因对机房基础设施要求比较高),但整机柜目前在占比并不是很高。主要原因在于,腾讯的机房多、位置分散,各个机房的基础设施条件不一样,同时业务类型也比较多和复杂,涉及资源的调配对搬迁和转移的需求比较多。
ODCC委员会主席、百度系统部副总监张炳华在演讲中透露,截至目前天蝎整机柜服务器已经出货1万台。虽然这并不是一个非常大的数字,但未来可期,特别是随着天蝎2.5的推出以及未来的天蝎3.0的出台,整机柜服务器应该在市场占比会有明显增长。
中国移动在“2016开放数据中心峰会”上展出的符合天蝎2.5规划的整机柜产品
在“2016开放数据中心峰会”上ODCC主席张炳华透露了正在研究中的天蝎3.0的一些细节。与天蝎2.5侧重于IT外围设备(供电、制冷等)的整合,重点是设计标准化以进一步降低整机柜服务器的开发门槛不同,天蝎3.0重点是IT资源的池化,即通过计算和存储的解耦(引入SAS Fabric互联技术)、CPU与协处理的解耦(引入PCIe Fabric互联技术),进行IT资源的池化,实现灵活扩展、按需配置,提升资源利用率。
那么,天蝎3.0在国际上到底处于什么位置?在中国信息通信研究院技术与标准研究所副所长、ODCC委员会副主席何宝宏看来,天蝎计划完全有可能让中国成为国际整机柜服务器趋势的引领者,因为中国有一个世界级的互联网市场,这个世界级的市场会才产生世界级的难题,也就为世界级的技术奠定了一个非常好的基础。
“与OCP进行对比,我们天蝎计划中的很多东西在国际上还是领先的,当然有些方面还是有一些差距,但至少我们已经进入国际先进行列了。”何宝宏表示。
实施上,持同样观点的人不少,天蝎要满足中国互联网的需求,其难度是超过国外OCP或者其他的组织。因为我们软件的成熟度是低于国外,这样在一些冗余、弹性和可靠性的保障方面就对硬件提出了更高的要求。
“比如,7×24这种运营服务、单个物理设备宕机或者出现故障以后对业务的影响,在中国很多业务对此是很敏感的。另外,云对硬件的敏感度实际上是很高的。鉴于中国软件水平的现在,需要从硬件设计去满足需求,对于像我们这样在成本和架构弹性要求都很高的互联网企业而言,其难度比OCP更高。”一位业内人士表示。
好文章,需要你的鼓励
本文探讨了达成人工通用智能(AGI)七大路线中的线性进阶路径,预测了从2025年至2040年 AI 技术与社会效应的关键年度节点。
这项研究介绍了一种新型多模态扩散模型,能够同时生成量子电路的离散结构和连续参数。由因斯布鲁克大学和NVIDIA公司研究人员开发,该模型利用两个独立但协同工作的扩散过程处理门类型选择和参数预测,克服了传统量子电路编译方法的效率瓶颈。研究证明了该模型在不同量子比特数量、电路深度和参数化门比例下的有效性,并通过快速电路生成创建了数据集,从中提取出有价值的结构见解,为量子电路合成提供了新方向。
SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术,解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程,段内引导(ISG)优化时间步重要性分配,并设计基于视觉基础模型的判别器提升生成质量。实验表明,SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本,同时保持甚至超越原模型在多项指标上的表现,代表了AI图像生成效率提升的重要突破。
MASKSEARCH是阿里巴巴集团同义实验室开发的新型预训练框架,通过创新的"检索增强掩码预测"任务,训练大型语言模型像人类一样主动使用搜索工具获取信息。这项框架包含两个阶段:首先在掩码预测任务上预训练,然后在下游任务上微调,大幅提升模型在开放域问答中的表现。研究采用监督微调和强化学习两种方法,结合多代理系统和课程学习策略,使AI能够自主分解问题、使用搜索工具并基于搜索结果进行推理。