至顶网服务器频道 08月09日 新闻消息:
为满足企业级客户对计算的高标准需求,8月9日,阿里云正式发布云服务器ECS企业级产品家族,目前已推出面向173种企业应用场景的19款实例。该系列适合在复杂的企业计算环境下,满足对于高性能、高可靠的计算需求。同时阿里云也新发布了该系列产品中采用25G网络与Skylake处理器的全新一代实例,性能持续领先。
这是阿里云首次将云服务器产品线细分出企业级产品家族,与入门级产品家族相比,这一新家族实例具备更强的计算性能与可靠性,适合于核心生产业务需求的计算。
“我们对于客户场景做了深入体察,基于客户需求而做了产品家族的再次解构与整合。”阿里云云服务器ECS负责人蒋林泉表示。从产品服务的角度而言,阿里云将为客户提供最为广谱的计算能力支持,场景区分之后方便客户选择适合的计算实例。
图1:阿里云企业级产品家族
目前ECS企业级产品家族包含19款实例族,分为通用型(General Purpose Type) 、计算性(Compute Type)、内存型(Memory Type)、高主频(High Frequency Compute Type)、本地SSD型(Local SSD Type)、大数据型(Big Data Network Enhancement Type)、GPU计算(GPU Compute Type) 、FPGA计算(FPGA Compute Type)等类型,分别适用于包括AI、医疗、视频直播、金融、电商、IoT在内的173个应用场景。
对于计算行业而言,性能大幅度进步依赖于对计算全产业链的深度技术提升。阿里云发布的全新一代实例则基于从硬件层系统层以及到计算架构层的升级优化。
高等级的云数据中心加上高可用的骨干网络,并具有领先的BGP体验,阿里云基础设施历史运行可用性达到99.999%。自研的飞天系统已具备全球一张网的管理运维能力,两者配合使得基础设施更为健壮。
图2:阿里云采用最新技术
计算、存储、网络三驾马车的优化叠加,使之全新一代实例达到了当前行业的领先水平。
Intel与阿里云有深入长远的CPU定制合作史,新产品家族采用的Skylake处理器也为云计算场景做了特别定制,各项性能突出。
存储领域进化为计算与存储分离的先进架构,SSD云盘单实例达到18万IOPS,包括Latency以及吞吐都跃进一层。
此外,基础网络设施升级到25G。同时将底层网络虚拟化架构进行重构,全面升级到第二代Apsara vSwitch技术。在网络的PPS性能上达到了单实例 450万PPS,Latency降低了66%,实现媲美物理机的网络能力。
基于全新一代的基础技术,阿里云新发布了计算型C5、通用型G5、内存型R5、高主频计算型HFC1、本地SSD型I2等数款实例。这一系列产品最高支持88核,704G内存。并通过25G基础网络带来了200%的网络带宽提升,基于Skylake带来单实例最高60%的计算性能提升,基于计算存储分离架构获得300%的云盘IOPS吞吐提升,基于Apsara vSwitch获得300%网络PPS吞吐性能提升。其中I2在数据库垂直场景相较于I1提升至210万IOPS。
图3:阿里云新一代企业级ECS性能
针对对IO有强需求的企业客户,阿里云新引入本地SSD机型I1,该实例具备高达48万IOPS。为需要进行大数据计算的客户提供大数据型实例D1NE,单GB存储成本下降97%,整机吞吐能力提升400%,网络带宽提升200%。
面向人工智能行业,阿里云在此前的GPU可视化计算型GA1、FPGA计算型F1、GPU计算型GN4的基础上,国内首家推出具备8块NVIDIA P100的GPU计算性GN5,达到74.4TFLOPS,比上一代双精度性能提升近100倍。
全新一代实例后尚无同类产品可比。而在上一代基于10G网络的企业级实例上,已领跑同时代产品。
以本地SN1NE为例,多线程下计算能力达到同行的1.4倍。以SN2NE为例,网络比同行高出26倍,网络转发能力高出8倍。最大内网带宽为3倍。
存储方面以I1为例,随机IOPS达到同行的2倍,存储性能高出6倍。
而在同等条件下,阿里云的核心网络性能达到了8倍,价格则是94折。
与此同时,阿里云宣布企业级产品家族部分实例最高降幅35%(详情见官网),并对8月3日前的客户推出向企业级实例变配补贴50%差价。
“降低门槛,让客户更早、更低价地获得这些计算能力,去创造属于自己的无法计算的价值。”蒋林泉表示。
————
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。