至顶网服务器频道 08月11日 新闻消息(文/董培欣):
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。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。
阿里云ECS产品负责人蒋林泉正式发布阿里云ECS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。
计算方面,ECS企业级产品家族采用了为云计算场景特别定制的Skylake处理器,各项性能首屈一指。
存储领域,ECS企业级产品家族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。
基础网络,ECS企业级产品家族将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。
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。
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。
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。
此外,通过阿里云新建的高等级云数据中心加上高可用的骨干网络,可以为用户提供更加优质的BGP体验。目前,阿里云基础设施历史运行可用性达到了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。可以更好的为企业云计算业务应用来保驾护航。
脱离了概念的炒作和一味的价格比拼,在本次阿里云ECS企业级产品家族发布会上,通过一个个有针对性的应用技术指标实例,让我们真切的体会到了“云”技术的真实落地。阿里云通过面向173种企业应用场景,有针对性的19款实例族,做到了云计算企业应用细致划分。通过更高性能的网络、计算、存储性能指标,向更多云计算厂商发出了有力的应用性能挑战。
同时,只有明确了性能指标之后,云计算的产品价格才会有实际性的意义。才可以通过性能与价格去全面衡量一个云计算产品,让云落到实处,真实的去解决企业实际应用问题。当然云计算厂商自己发布性能指标,最好能有一些第三方的测试机构来为之进行确认。以后第三方媒体,比如我们至顶网也会发布一些第三方的公有云性能测试结果出来,从而更加公开、公正的将公有云应用性能向用户去进行剖析。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。