至顶网服务器频道 05月31日 新闻消息: 各家高科技企业一直以通过彼此竞争而争夺客户青睐乃至市场份额而闻名,但在时机适合时,其有时也会选择进行联手以实现互利共赢——提升数据中心管理易行性正是这样的时机之一。
正因为如此,微软集团旗下的领英、HPE以及通用电气数字公司开始尝试联合,希望建立起一家新的基金会以帮助企业更国轻松地为其数据中心购买硬件产品。
此组织被称为Open19基金会,其任务在于努力鼓励各企业以更为统一的方式构建数据中心。以这项目标作为起点,该基金会的初期目标将对象设定为数据中心机架——即对这类用于容纳服务器及路由器等设备的框体进行标准化。目前最为常见的机架为19英寸设计,因此Open19基金会希望以此为基础推动标准化工作。
Open19基金会主席兼领英公司全球基础设施架构与战略首席工程师Yuval Bachar在一份声明中表示,“Open19平台代表着面向复杂问题的简单解决方案,因此技术社区对其抱以积极回应亦完全在意料之中。随着基金会的形成以及众多新晋合作伙伴的加入,我们现在已经能够开始引导社区的关注方向,同时建立起Open19开放平台的发展愿景。”
相信很多朋友已经注意到,Open19基金会听起来似乎很像是Facebook公司早已推出的开放计算项目——事实二者也确有共通之处。与Open19一样,开放计算项目亦强调对系统进行拆分、对机架尺寸以及模块化组件进行标准化调整。不过开放计算项目主要针对世界上规模最大且在全球各地运营有数据中心的的各互联网公司(即超大规模企业)。相比之下,Open19同样适合中小型企业,并专注于优化处于任何位置的不同规模数据中心。
有趣的是,微软公司作为开放计算项目的主要支持者之一,如今也凭借着去年对领英公司的收购而同时加入这两大联盟组织。微软与领英公司皆继续运营着自己的数据中心,因此将同时在这两大项目中扮演一定角色。
Open19基金会表示,其初步贡献之一在于推广领英公司的19英寸机架行业规范。根据相关声明,其中规定“推广跨行业通用服务器外形以规范机架、机柜以及预定义网络与供电装置的使用方式,同时面向各类不同规模的运营商提供一套灵活且具有经济性优势的数据中心与边缘解决方案。”
一套面向物联网与边缘计算的新标准?
Open19基金会的初始成员包括两家正在推出新型分布式信息技术基础设施的厂商,旨在支持各类网络边缘应用场景——包括物联网设备与自动驾驶车辆。
通用电气数字公司方面表示,该基金会的规范将成为其Predix物联网软件管理平台标准化部署工作中的重要组成部分。
“作为工业物联网领域的领导者之一,通用电气公司意识到确实需要建立一套标准化、可定制、灵活且具有经济性优势的数据中心设计方案,以最终帮助我们的工业客户充分利用计算机科学发展中的最新成果,”通用电气数字公司Predix云工程师Darren Haas在一份声明当中指出。“通过支持Open19,我们将得以通过其推动未来的解决方案,并利用这些解决方案依托于开放式架构对工业用例加以优化。”
另一家企业则为专注于网络边缘基础设施业务的Vapor IO公司,其主要负责为无线网络运营商提供平台以实现边缘容量的快速部署。
“Open19基金会所提出的方案正是我们过去十年来一直在追寻的机架标准化方案,”Vapor IO公司首席执行官、曾于2013年到2015年出任开放计算项目执行董事的Cole Crawford表示。“Open19能够将塔式边缘计算中心转化为乐高积木。我们可以派遣工作人员前往边缘环境处,例如一座信号塔处,并在数分钟之内建立起一座新的数据中心。”
Open19基金会表示,其生产硬件设计目前正在积极开发当中。该基金会同时指出,其正在积极寻求能够为项目做出贡献的各类新成员,包括企业、个人以及行业合作伙伴。
好文章,需要你的鼓励
Carma Technology 针对 Uber 提起专利侵权诉讼,称其侵犯了涉及拼车系统的五项专利。案情回溯至十年前,凸显专利保护对创新者的重要性,可能对 Uber 及其他公司带来巨大影响。
东京大学研究团队开发的WebChoreArena是一个全新的网页代理评估基准,它包含532个精心设计的任务,专注于测试AI代理处理繁琐、复杂网页任务的能力。研究结果显示,即使是最先进的语言模型(如Gemini 2.5 Pro)在这些挑战性任务上的表现也比常规任务降低了约14个百分点,证明了这一基准有效区分了不同模型的能力。WebChoreArena通过设计海量记忆、计算、长期记忆等类型的任务,为评估AI代理在实际应用场景中的表现提供了更严格的标准。
经过暂停战略调整,Automattic 宣布重返 WordPress 开发,包括核心、Gutenberg、Playground 等模块,计划今年推出 6.9 版本,并涉及与 WP Engine 的法律争端。
这项研究提出了一种名为LIFT的新型微调方法,通过在低秩近似后识别大语言模型中的主要权重进行稀疏微调。研究表明,仅更新5%的主要权重就能在推理任务上超越全参数微调,同时保持与LoRA相当的内存效率。LIFT在常识推理、算术推理等多项任务上表现优异,还能更好地平衡学习新知识与保留原有能力。这一方法揭示了大语言模型中关键参数的重要性,为资源高效的模型定制提供了新思路。