至顶网服务器频道 05月10日 新闻消息:Dell EMC预览了第14代PowerEdge服务器产品线,并称这将是在性能和可使用性方面的一次重大升级,但是几乎没有再说其他任何产品细节了。
新产品将采用即将推出的英特尔Xeon Processor Scalable家族。除此之外我们得知,14G服务器产品线还有三个方面的创新:
- 提高应用性能和响应时间,NVMe低延迟存储增加了近19倍
- 一键点击式BIOS调优,能够实现多种处理密集型工作负载的快速部署
- 增强存储容量和灵活性,据称这对软件定义存储(SDS)环境来说至关重要
- OpenManage Enterprise是一个新的虚拟化企业系统管理平台,带有应用插件、易于使用的界面和定制报告
- 增强的iDRAC 9系统管理性能是上一代的4倍
- ProSupport Plus with SupportAssist可以将解决部件故障的时间最多缩短90%
- 自动多维度冷却可以在单一配置下实现更多的GPU加速器,每台服务器的VDI用户增加50%
- System Lockdown据称是行业首发的一项功能,可以防止配置更改造成安全性漏洞以及泄露敏感数据
- 像SecureBoot、BIOS Recovery、签名固件和iDRAC RESTful API(符合Redfish标准)增强了针对攻击的保护
Rackspace公司一位主机系统设计工程师Joe Wiese在声明中称:
“我非常喜欢新的iDRAC 9。新版本很全面,可以用于配置几乎所有功能,用于管理和维护服务器。Web前端可以查看和编辑iDRAC、PERC、NIC和BIOS,通过一个统一的Web界面,并且这个界面是通过API调用符合Redsifh标准用于脚本的。这是我遇到的对PowerEdge最棒的一次升级。”
他遇到的PowerEdge最棒的一次升级就是iDRAC的升级。
我们得到了一些几乎无关紧要的关于服务器开发的细节。
1、新的流线型前端设计,可以有效让空气流动,优化应用性能——哇哦
2、现在通过一种带有Quick Sync功能的手持智能设备进行服务器配置和监控
3、引入折边作为结构元素,减少了在服务器上使用涂料带来的环境污染——这点让我们无法理解
折边、在边框打出更好的孔,以及用于服务器配置和监控的手持设备,呃……谁说戴尔缺乏高科技创新的天赋?
我们了解到,PowerEdge 14G在每台服务器上支持的VDI用户数量增加了50%。这是Dell EMC测试得出的结果,现在是在14G R740xd服务器上最多配置3个Nvidia GPU,与13G R730上配置2个GPU相比。Nvidia Tesla M10 GPU Accelerator每个GPU板上最多可支持64个用户。
Dell表示,PowerEdge 14G服务器将嵌入存储和数据中心一体机、超融合一体机以及机架、就绪的节点、捆绑产品及其他Dell EMC产品。不错。
这里缺少的是任何奇妙的、前沿的技术,例如可组合的基础设施、盒式服务器(Aparna)、或者可达到NVMe over Fabrics速度的集群服务器(Micron、Excellero、XIO和Axellio)
这里没有提到Optane和存储级内存,不过这可能会在公布14G服务器细节的时候推出。
这确实是一个主流的、企业级的、以数据中心为核心的服务器产品线更新预览,会得到现有客户的认可。
预计我们会在2017年年中看到更多关于Dell EMC PowerEdge 14G服务器的细节和定价信息,不会等待太久的时间。
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。