至顶网服务器频道 08月09日 新闻消息:NVMe存储正在成为一种在密度与速度方面远超其它存储介质类型的解决方案。也正因为如此,思科公司UCS首席技术官Raghunath Nambiar才认为NVMe未来将扮演容量层这一角色。
在上周于悉尼接受采访时,Nambiar解释称“就目前而言,人们主要从性能的角度看待NVMe; 但真正的游戏规则改变将体现在容量层面。”
Nambiar指出,2.5英寸SSD将很快达到7 TB容量级别,但“NVMe则将在未来18个月当中达到32 TB容量水平。”这样的存储密度意味着即使是像UCS B200这样的小型思科半宽服务器,也完全能够实现每服务器64 TB数据存储容量。其它刀片机架或架构无疑将拥有更为可观的容量规模。
Nambiar表示,企业将能够把这些数据用于更为密集的即时分析处理。
他提到,“目前美国开始广泛了解消费者的购买模式”,并借此构建起强大的推荐引擎。他同时补充称,消费者可能需要在利用自动柜员机或者在线零售商店时忍耐大约一秒的滞后,但企业则可在这短短的一秒之内交付分析信息。
他指出,“目前,这类分析记录约为100条; 在未来六个月内,记录数量将达到1000条。”在他看来,不久之后企业即会利用这种分析手段提供成千上万条记录,借以提升交叉销售能力或者改善客户满意度。
作为回应,数据中心运营商则需要做好准备以立足现有机架托管更多数据。Nambiard表示,100G以太网也将很快成为决定企业成败的重要支柱。通过提升数据吞吐量来实现向外扩展——而非依赖于新型CPU、GPU、FPGA以及网络——也将变得至关重要。
Nambiar解释称,思科公司将规划多种方式为客户提供帮助,其中包括立足大数据与分析验证新型工作负载设计,并借此强化其整体架构。但他提醒称,“这并不属于即插即用型方案。要想充分利用这些功能,大家需要深入思考且直接面向数据管理平台。”
最近推出的Starship服务器自动化平台与得到进一步强化的UCS Director将抢先一步在这方面作出尝试。Nambiar指出,思科公司的目标在于确保UCS能够在机架与堆栈构建完成后立即可供客户使用,且其操作系统与应用程序能够自动安装,并根据预期工作负载进行自主优化。
他解释称,“我们将根据自身最佳实践实现这种‘可调节性’。”
Nambiar总结道,“服务器即将成为运行应用程序的平台,而硬件本身的重要程度越来越低——与之对应,管理层才是真正的核心所在。”
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。