ZD至顶网服务器频道 02月08日 新闻消息: 超微(Supermicro)表示已经向一家“财富100强”企业位于硅谷的数据中心出货了30000多台服务器。
超微表示,这家客户已经在“全球最高密度和最高能效的数据中心之一那里部署了这些数量的分散MicroBlade系统”。该数据中心的PUE为1.06,相比之下传统数据中心的PUE为1.49甚至更高,所以新的数据中心在整合能效方面提升了88%。总IT负载为35千兆。
MicroBlade是3U或者6U的系统,采用14或者28个可热插拔的MicroBlade服务器刀片,该案例中部署了3U/14刀片的服务器节点。超微表示,这次部署的系统每个机架采用280个基于至强处理器的服务器,采用分散的机架规模设计,使得每个更新周期可节约CAPEX达45%~65%。
分散的英特尔机架规模设计意味着可以对CPU+内存、I/O、存储、电源/冷却组件进行独立升级。
超微公司总裁兼首席执行官Charles Liang表示:“通过新的MicroBlade和SuperBlade,我们改变了刀片架构的游戏规则,让刀片对我们客户来说初始采购成本达到最低,不仅可以最大限度发挥计算、能源效率、少电缆的设计,而且还有优化的TCO。”
那么这家客户到底是谁?可能是苹果或者Facebook吗?
超微公司即将推出一个新的SuperBlade架构,提供了更多的部署选项。
X10 Generation SuperBlade每个2U机架支持最多10/14/20个ES-2600 v4双处理器节点,具有与MicroBlade系统相同的丰富功能。
新的8U SuperBlade系统采用与MicroBlade相同的以太网交换机、机架管理模块、以及软件用于提高可靠性、可服务性以及可负担性。该系统可在半高和全高刀片中支持双处理器和多处理器,最多205瓦。
新的4U SuperBlade系统据称在性能和效率方面达到了最大化,同时每42U机架可支持140个双处理器的服务器或者280个单处理器的服务器。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。