社会正在进入数据时代,数据成为资产,数据成为资源,数据成为商品,数据在交易中升值,数据成为社会运行的基石,这些都是数据社会化的表现。然而数据爆炸带来计算的指数增长,使得数据中心的性能、效率、能耗面临巨大挑战,迫切需要发展面向应用的可重构计算单元,而融合架构,正是解决这一问题的关键。
作为融合架构的重要组成部分,硬件重构让硬件不再局限于传统的架构,以计算逻辑为例,可以借助专用加速技术、可重构芯片技术等,进行硬件重构,可实现面向不同应用场景的、定制化系统。而在近日举办的世界互联网大会上,浪潮发布英特尔至强D平台温冷存储服务器,以创新定制化产品应对专属业务应用,将进一步降低数据存储成本、提升数据处理效率。
浪潮至强D服务器面向温冷数据存储
目前,业界主流的存储服务器多数基于英特尔至强 E5或 Atom/E3单路平台,两者间性能差异较大,前者更适合偏热数据存储,后者由于计算性能不足,仅适合冷存储甚至极少访问的冰数据存储。而对于数据访问频率处于中间的温数据或偏冷数据,之前还没有完全匹配的存储服务器产品和方案。
浪潮SA3212M4 至强D服务器
浪潮至强D服务器正是填补了温冷数据存储空白,性能介于Atom/E3平台与E5平台存储服务器之间,支持128G大内存,相较Atom处理器计算能力得到明显提升,还可以外挂JBOD,支持硬盘休眠从而实现超低闲置功耗。因而,浪潮至强D服务器是一款理想的温冷数据存储和管理方案,将为客户构建精细化的分级存储。
更高计算性能,满足温数据访问需求
相比E3单路平台,浪潮至强D平台温冷存储服务器的性能提高2.3倍,相比Atom平台性能可提升3.4倍,能耗比提升最多1.7倍。内存方面能够同时支持双通道DDR4和DDR3L内存,支持46位物理寻址/48位虚拟寻址,RDIMM最高支持128GB容量,彻底打破了32GB的内存瓶颈。且由于支持2133MHz DDR4内存,性能有33%的提升。满足温冷数据所需的计算能力,并最大程度降低TCO。
更低能耗,TCO降低至少8%
英特尔至强D包含2-16核心的多个产品,能够覆盖冷存储到温存储等应用场景。相比传统至强E3平台服务器,单机即可节省功耗50W,成本优化5%以上。
近期浪潮发布的2U 至强D存储服务器SA3212M4搭载一颗 D-1531 CPU,支持 6 个物理核心,主频 2.2GHz、45W功耗,据浪潮实际测试,相比于传统基于E5-2620v4平台服务器,在同样满足温存储需求的前提下,SA3212M4的TCO 降低超过8%。
更多集成,更优网络配置
与之前至强 E3、E5等单纯的处理器相比,至强D是真正的SOC(系统级芯片),其中集成的不仅有处理器,还整合了内存、I/O等子系统。其中网络也成为至强D服务器的亮点,支持两个10GbE万兆以太网直连,并支持VT-X/VT-d虚拟化技术、RAS以及完整的TXT, AVX2, TSX指令集。浪潮至强D服务器提供的更高带宽和网络IO性能,能最大程度降低网络性能带来的延迟和性能损耗。
未来,浪潮至强D服务器将成为一条完备的存储服务器系列,除了此次发布的SA3212M4 2U12盘机型外,4U36盘的SA5224M4也于2017年初登陆市场。至强D产品同样会在浪潮整机柜服务器SR中应用,在1U的空间内支持18块3.5英寸硬盘,并且单节点可扩展支持一个JBOD,存储密度提升的同时,可进一步降低了存储成本,且支持硬盘休眠,从而实现超低闲置功耗。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。