至顶网服务器频道 07月07日 新闻消息:根据IDC全球云IT基础设施季度追踪报告显示,2017年在用于环境部署的IT基础设施产品(服务器、企业存储和以太网交换机)总体开支将增长12.4%达到401亿美元。公有云数据中心将占到大多数(60.7%),并且同比增幅最快(13.8%)。非本地私有云环境将占到整体开支的14.9%,同比增长11.9%。本地私有云将占到私有云IT基础设施开支的62.6%,同比增幅为9.6%。
云IT基础设施开支的增加,而非云IT基础设施的投资减少,这些现象出现在所有地区。2017年对传统的、非云的IT基础设施开支将减少4.6%,在跨三大细分领域的IT基础设施产品最终用户开支中占比58.7%,低于2016年的62.6%。
注意:上述的所有数据都不包含服务器和存储之间的重复计数。
在云IT环境中,以太网交换机将是增长最快的技术领域,2017年的同比增幅为25.8%,而在服务器和企业存储上的开支将分别增长9.1%和12%。这些增幅包括服务器与存储之间的重复计数,以全面代表每个技术细分领域。在所有三大技术细分领域中,对部署非本地的IT基础设施开支实现增长,而对本地环境的开支将下滑。
在未来5年预测期内,IDC预计对非本地云IT基础设施的开支复合年增长率为11%,到2021年将达到457亿美元。公有云数据中心将在其中占到79.8%,复合年增长率为11%,而对非本地私有云基础设施的开支复合年增长率为11.3%。结合本地私有云,到2020年对云IT基础设施的整体开支的5年复合年增长率将赶超非云IT基础设施。对本地私有云IT基础设施的开支复合年增长率为10.5%,而对非云IT(本地和非本地)的开支将下滑3.1%。
IDC企业存储研究总监Natalya Yazhkova表示:“在各种部署/位置场景中,IT基础设施支出的总体情况将在2017年持续,特定技术细分领域会有一些差异。企业采用混合云和多种云IT战略,以及云原生应用的快速增加,还有像物联网等领域拥抱以云为先的方法来支持IT资源,这将加速最终用户在基于服务的IT上开支增加。反过来,这一举措将反映在IT基础设施整体开支将从本地转向非本地部署,从传统IT转向云IT的趋势。”
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。