ZD至顶网服务器频道 10月24日 新闻消息(文/邹大斌):央企和国家部委的集采(集中招标采购)项目一向是各大IT设备供应商关注的焦点,也是销售们角力的主战场之一。这也难怪,动者千万甚至上亿的大项目,在市场竞争日趋白热化的今天,无论对哪个厂商都非常具有诱惑力。因此每次集采对于设备供应商而言都是一场硬仗。
在这个看不到硝烟的战场上,可能左右“战争”结果的因素很多,产品质量、价格、售后服务体系、节能性、易维护性等,任何一项不足都有可能给本次投标带来灭顶之灾。正是因为涉及内容多,对于参与投标的厂商而言,每项都要力求做到最好,特别是那些有着“入门门槛”意义的指标,比如SPEC测试就必须认真对待。
应该说,在集采日益走向公开的背景下,SPEC测试得分因其权威性、客观性和公正性已经逐渐成为集采项目的最常采用参考指标,而另一方面,对于服务器厂商而言,认真地做好SPEC测试对于提升产品性能和改进产品质量也具有非常重要的作用。
集中招标采购(集采)是我国已经实现了10多年的一项制度,在央企和国家各部委以及一些大型企业中广泛施行。为了选定最合适的中标者,集采通常会细分出很多评比指标。对于服务器采购项目,SPEC测试得分就是其中之一。很多时候,SPEC测试达到一定得分已经是服务器入围集采的基本要求。
这是我国某电信企业服务器集采项目标书中对产品的要求:提供产品评测性能指标情况且能够提供有效证明材料证明其表现优异得3分、良好得2分、一般得1分,差得0分。不认可内部提供的证明材料。
业内人士介绍,其中产品评测性能指标其实就是指SPEC评测的得分。因为在实践中SPEC评测得分就是最受大家公认的评判服务器性能的指标。而之所以SPEC评测得分有此权威性,原因则在于SPEC(the Standard Performance Evaluation Corporation,标准性能评估机构)及其推出一系列评测规范的权威性。
SPEC是一个全球性的、权威的第三方应用性能测试组织,也是一系列得到全球众多用户广泛认可的性能评估和测评标准的制定者,包括服务器性能、能耗等。CPU2006是SPEC组织对计算机系统性能最全面的测试基准之一。该测试共分为整形计算(Cint)和浮点计算(Float Point),分别应用于数据库、云计算等企业政府信息化和大数据、机器学习等高性能计算场景,而且每个测试分项都是整合了语音识别、图像渲染等十几种最典型的实际应用。由于它体现了软、硬件平台在实际应用中的性能和成本指标,被金融、电信、证券等关键行业用户作为选择IT系统一项权威的选型指标。
有鉴于此,SPEC评测结果常常被众多厂商在产品宣传中予以引用,用来表明自己的服务器产品的性能和质量。对于一些知名度较低的非一线厂商,SPEC评测更是其进入市场的一块敲门砖——通过SPEC评测得分是证明其产品性能高低最直接、有效手段(如果说不是唯一手段的话)。比如,在我国某大型银行的采购标书就明确要求,除了浪潮、HPE、戴尔等知名服务器厂商外,其他厂商的产品必须出具权威机构的性能对比测试报告,SPEC评测报告就是大家公认的一个权威报告。
近年来,我国越来越多的服务器集采项目开始引入SPEC评测指标。同时,很多普通的服务器采购项目也在参考这个指标。据了解,在国外SPEC评测得分同样也是客户选购服务器产品的一个基本参考指标。而且,国外采购中一般会规定一个最低的SPEC测试得分,低于此得分的服务器产品客户就不会考虑了。
如今SPEC评测得分已经广泛用于招投标的标书中,作为服务器采购时的一个基本参考指标,但这并不意味着SPEC评测的作用就仅限于此。事实上,招投标只是SPEC评测的用途之一,而其更重要的价值在于通过这种评测,可以对产品本身的架构设计进行优化,对产品进行改进,从而最大程度地发挥现有硬件的潜能。这同样也是SPEC评测的重要作用。
也正是因为如此,如今很多大型服务器厂商都会有一个专门的测试部门,他们的一个目的就是来对系统进行调优,得到最佳的测试结果,服务于招标和采购,同时,也会把问题反馈给产品设计部门从而推动产品本身的改进。
值得一提的是,虽然SPEC评测得分测的可能是服务器的性能或者能耗,但它其实也是衡量产品质量的一个指标,因为这种评测通常会在满负载状态下运行几天,如果产品质量不过关,评测常常就不会有结果。
那么,该如何获得SPEC评测结果?据悉,得到SPEC评测结果主要分为两个步骤,第一是获得SPEC组织的相关评测规范和数据集,然后搭建测试环境,按照规范要求对产品进行测试。第二步是将评测结果发布给SPEC组织,让SPEC组织对评测过程和得分进行审核。审核通过,SPEC会发布到其官网上,此时这个结果就可以被引用了。
当然,尽管SPEC规范对如何评测有比较详细的介绍,但在整个评测过程中还是有可能遇到各种问题。10月27日,在“SPEC2016亚洲峰会”上,会有专家对SPEC的规范和测试进行详细讲解,到时您遇到任何问题都可以通过面对面交流得到解答。
好文章,需要你的鼓励
本文探讨了AI发展的未来趋势,详细分析了六条有望实现通用人工智能(AGI)的技术路径。随着生成式AI和大语言模型面临发展瓶颈,业界开始将目光转向其他AI发展方向。这六条路径包括神经符号AI、神经形态AI、具身AI、多智能体AI、以人为中心的AI和量子AI。每种路径都有其独特优势和挑战,可能单独或组合推动AI进入下一个发展阶段,最终实现与人类智能相当的AGI系统。
约翰霍普金斯大学研究团队发现VAR模型的马尔可夫变体本质上是离散扩散模型,提出SRDD方法。通过应用扩散模型技术如分类器自由引导、令牌重采样等,SRDD相比VAR在图像质量上提升15-20%,同时具备更好的零样本性能。这项研究架起了自回归模型与扩散模型的理论桥梁,为视觉生成技术发展开启新方向。
培生公司第三季度销售增长加速,并预示年底表现更强劲,但其AI应用可能是更重要的发展。该公司虚拟学习部门销售额激增17%,学生注册人数攀升。培生运营的在线学校将AI工具嵌入课程材料中,公司表示有越来越多证据显示这些工具帮助学生取得更好成绩。公司推出了AI学习内容组合,包括AI素养模块和融合人工导师与AI学习工具的视频平台。
微软亚洲研究院推出CAD-Tokenizer技术,首次实现AI通过自然语言指令进行3D模型设计和编辑的统一处理。该技术通过专门的CAD分词器和原语级理解机制,让AI能像设计师一样理解设计逻辑,大幅提升了设计精度和效率,有望推动工业设计的民主化进程。