ZD至顶网服务器频道 11月07日 新闻消息: “当今,模块化的概念不仅是经济学、经营学专家之间最热门的话题之一,而且它还有可能彻底改变现存产业、企业的结构,具有十分强大的冲击力。”
——国际经济学会主席、斯坦福大学经济学教授青木昌彦。
IDC数据显示,模块化定制数据中心将成为未来数据中心发展的趋势之一,而随着模块化数据中心的需求扩大,“模块化定制”服务器和存储的需求日益强烈,模块化服务器将成为未来的发展趋势。
11月4日,清华同方正式对外发布全系列模块化企业级产品,机架、刀片、存储等全形态全规格的产品家族与公众见面。
不忘初心,同方潜心研发
作为企业级领域的后来者,清华同方从2014年开始进行战略布局,在今天云计算、大数据、人工智能等各种新概念纷繁复杂的应用环境中,清华同方果断选择了“模块化”的战略路径,而这一路径的选择是对客户应用深入剖析之后的必然选择。同方计算机产业本部副总经理张伟大胆预测,未来的企业级市场将不会有标准化产品,根据客户应用需求及时响应的定制化产品将会大行其道,企业级应用服务的提供者将会更加集中,满足这些服务提供商的需求才是出路。目前BAT、运营商这些超大的企业级应用提供商已经将模块化作为平台搭建的核心策略,同方已经提前研判了这个行业发展趋势,因此将模块化作为未来发展的核心战略。
在整个战略的践行中,同方目前在深圳组建了一支超百人的研发团队,同时依托清华大学强大的科研实力,在模块化企业级产品的研发上取得了长足进步,申请的相关专利超过百项。同方计算机高性能产品研发总监唐斌向大家一一介绍了模块化产品的技术特点和优势。集中供电、集中散热、集中管理,所有部件均分别设计成了一个个独立的“模块”,计算模块、存储模块、散热模块和管理交换模块、供电模块等等,整个系统由若干个模块迭加,每个模块以热插拔的方式连接,不仅具备很好的整合性和扩展性,也大大提高了部署的便利性。尤其值得一提的是,同方模块化产品的主板也做到了热插拔,堪称业界“模范”。
精益求精:欲做模范先过挑战
模块化带来诸多便利的同时,是技术和研发上的巨大挑战,同方计算机高性能产品研发总监唐斌表示:“高效散热和信号完整性是模块化实现过程中的两个拦路虎,这正是同方研发团队的优势所在。”
散热的挑战:传统服务器每一台都有独立的风扇用于散热,而同方在模块化服务器设计上,把风扇做成一组风扇墙的方式进行集中散热,这势必带来散热的挑战。在研发模块化服务器之初,同方结合机构电路硬件设计,散热和功率器件选型,工程师对热仿真进行一轮又一轮的迭代,在不影响EMI的前提下,通过在电路板上合理的分配热器件、合理增加背板上开孔、合理优化风道,适当增加机箱的开孔率,最终达到降低噪声的同时,解决了散热问题。
散热仿真模拟图
信号完整性的挑战:传统服务器主板采用线缆软连线。而同方为实现模块化服务器设计,需要抛弃线缆,采用要热插拔无线缆的方式,信号只能透过连接器来传输,信号完整性受到很大挑战,为了解决这个问题,同方研发团队充分利用了SI信号完整性分析,通过信号完整性分析确认高速信号传输过程中的瓶颈所在,制定突破和改善方案,合理在PCB上布局,正确屏蔽高速率差分信号和模拟电路,采用低损耗板材混压方式,更高速的板倒板连接器,适当引入信号整形芯片,克服长距离高速信号的串扰和损耗,最终达到信号完整不失真、不误码的被接收。
信号传输节点分解图
发展愿景:三年做到国内前五
在提到未来发展愿景时,张伟表示:“同方是一家稳扎稳打低调务实的公司,我们的初心就是把研发和产品做好,具备快速响应客户需求的能力,有了这两个基础占有市场份额和赚取利润是水到渠成的,因此公司并没有严格的时间节点来控制经营目标,我个人希望通过三年时间进入国内企业级产品主流供应商行列,能够进入客户意向选择的前五个品牌序列”。
好文章,需要你的鼓励
OpenAI发布ChatGPT Atlas AI浏览器,支持网页问答、历史查询和邮件改写等功能。同时曝光秘密项目Mercury,雇佣约100名前投行精英以每小时150美元训练AI金融模型。公司还因用户滥用Sora生成马丁·路德·金视频而暂停相关功能。此外,医疗AI搜索引擎OpenEvidence获2亿美元融资,估值60亿美元。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
随着Chrome和Safari主导浏览器市场,众多替代浏览器正在挑战这些行业巨头。本文梳理了当前顶级替代浏览器,包括AI驱动的浏览器如Perplexity的Comet、Arc公司的Dia、Opera的Neon和OpenAI的Atlas;注重隐私的浏览器如Brave、DuckDuckGo、Ladybird和Vivaldi;以及专注特定领域的浏览器如Opera Air和SigmaOS。这些浏览器通过AI集成、隐私保护、定制化和专注用户福祉等特色功能,为用户提供了多样化的浏览体验选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。