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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。