至顶网服务器频道 08月21日 新闻消息: 如果问全球科技巨头的聚集地在哪里?大部分人首先想到的一定是美国硅谷。的确,那里是美国重要的电子工业基地,也是世界最为知名的科技巨头集中地。不过,除了硅谷,在美国还有一个城市常常被人忽略,这就是位于美国东南部、气候宜人的亚特兰大,这里聚集了很多大型企业,还有大量的初创企业选择从这里起步,特别是很多游戏公司和在线广告公司将总部设立在这里,使得这里成为美国东南部一个创新基地。而这些公司的存在也成就了Internap公司的快速成长。
全球托管服务供应商Internap公司是一家提供IT基础设施服务的企业,为众多位于亚特兰大的初创企业提供托管数据中心服务。由于这类企业成长快,需求变化快,这就要求数据中心基础设施服务公司能够提供标准化、可扩展的数据中心基础设施。
"我们需要一个标准化、模块化、可扩展的数据中心解决方案,并将其部署于接近用户的主要城市中,以满足客户的访问需求和降低延迟。"Internap公司数据中心设计及工程副总裁Randy Ortiz表示。比如,很多创业公司刚开始找到Internap时,可能只是需要提供一台服务器,而随着其业务的成长可能需要2000平方米的数据中心。这种动态的需求对Internap提出了很大的挑战。
此外,Internap的客户渴望具有更低延时性、可扩展、实用性的边缘计算能力,以快速提升运营,降低成本,并为其提供一个专用的数据中心基础设施。当需要在仅8-10周的时间内完成这些解决方案的创建与部署工作时,Internap迫切需要一个能提供优质产品、保障可靠性,并在产品生命周期内提供技术支持和专业知识的合作伙伴。
经过认真的市场研究,Internap最终选择了施耐德电气作为合作伙伴。作为数据中心基础设施建设和服务的领导者,施耐德电气EcoStruxure IT架构可为客户提供从互联互通的产品到边缘控制,再到应用、分析与服务三个层面的创新组合。此次,施耐德电气为Internap提供了包括开关柜、供电设备、冷却设备、机架、DCIM管理软件和服务在内的定制化解决方案。由于这些产品大部分都已经实现了模块化和标准化,从而可以很容易实现数据中心整体的模块化和标准化。
Internap发现施耐德电气提供的全方位解决方案完全符合其需求。其中,模块化Symmetra UPS系统能够提供电源保护功能,支持快速扩展。而施耐德电气DCIM软件StruxureWare,不仅可以看到每个机柜占地位置、机柜内部空间、供电及制冷能力等静态信息,也可以看到用电、制冷、网络(可以细到每个机柜和服务器)等动态数据,这极大提升数据中心的管理水平,并最大化整个数据中心生命周期的管理效率。如果需要新增服务器等资源,哪里有多余的空间和制冷能力、有多少带宽资源也一目了然。不仅如此,在施耐德电气的管理平台上同时还可以看到整个楼宇的用电、制冷情况和运营情况。
得益于施耐德电气定制化解决方案,Internap顺利实现了在10周内完成可重复式、标准化解决方案的全球部署,为其顺利开展托管业务奠定了坚实的基础。
Randy Ortiz对于与施耐德电气的合作给予了高度评价:"施耐德电气的一大优势是能够提供从配电设施到IT空间的完整方案和服务,他们深刻了解托管机房和数据中心市场,帮助我们为客户提供超出预期的优质服务。"
点击视频,了解施耐德电气如何助力Internap顺利实现在10周内完成可重复式、标准化解决方案的全球部署。
想了解施耐德电气EcoStruxure IT的更多信息,请点击:http://www.schneider-electric.cn/zh/work/campaign/innovation/datacenters.jsp
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究由香港理工大学和新加坡国立大学的团队共同完成,提出了R?ec,首个将推理能力内置于大型推荐模型的统一框架。与传统方法不同,R?ec在单一自回归过程中实现了推理生成和物品预测的无缝整合。研究者还设计了RecPO优化框架,无需人工标注即可同时提升模型的推理和推荐能力。实验结果显示,R?ec在三个数据集上显著超越现有方法,在Hit@5和NDCG@20指标上分别提升68.67%和45.21%。这一突破为下一代智能推荐系统开辟了新方向。
这项研究提出了CURE框架,通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力,无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后,便在多个基准测试中超越了同类模型,代码生成准确率提高5.3%,最佳N选1准确率提高9.0%。该方法不仅提升了模型性能,还提高了推理效率,同时为降低API调用成本和无标签强化学习提供了新思路。