ZD至顶网服务器频道 11月17日 编译:近日,戴尔-EMC公司将至强Phi服务器与Tesla GPU加速方案一同纳入了自家PowerEdge高性能计算(简称HPC)服务器产品线之中。最终产物能跑最高画质的《孤岛危机》吗?
新的PowerEdge HPC服务器参数如下:
目前,比萨大学目前正利用C4130 Tesla加速型服务器与英伟达深度学习GPU训练系统(简称DIGITS)进行DNA测序工作。
另外,戴尔-EMC方面还提供Cycle Computing软件以及面向云编排及高性能计算工作负载管理的相关服务,同时支持AWS、Azure与谷歌云服务。
同时,戴尔-EMC还有计划在本季度内向用户提供基于OpenHPC开源项目的英特尔HPC Orchestrator,旨在帮助客户完成高性能计算系统的安装、管理与维护。
PS:Phi增强型C6320P计划于2017年年初正式投放市场。
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。