Cray今天宣布已经与微软签订独家协议,将在微软Azure数据中心内提供专有的Cray系统,旨在把超级计算机的潜在客户群扩大到政府实验室和科研机构之外的领域。
超级计算机用于处理器密集型、甚至超过了高端大型主机的任务,典型应用包括基因测序、复杂化学相互作用的模拟、天气预报和大规模数据模型的处理。Infiniti Research预测说,到2021年全球超级计算机市场规模将增长到月50亿美元,年增长率为7%。
这个市场没有以更快的速度增长的原因之一,就是客户必须在存储、网络和环境设备上进行广泛投资,才能满足这种强大机器的需求。在与微软签约的条款下,Cray将在选定的微软Azure数据中心内安装XC和CS超级计算机,以及附加的Cray ClusterStor存储系统,直接连接到微软Azure网络。
Cray首席战略官Barry Bolding表示:“我们相信这将扩大向客户交付高质量超级计算机的能力,这些客户以前认为他们无法拥有和管理一台Cray超级计算机。”他说,这次合作不止是一个将数据中心以共享设施形式租赁出去的协议。“我们对于把客户需要Azure服务的工作负载聚合到一起很感兴趣。客户不需要再操心构建他们自己的数据中心。”
专有设备
然而与典型的云基础设施服务不同的是,Cray的设备对每个客户来说都是专有的,不是共享的。客户将为他们来自微软合同的设备单独谈一个多年许可。“不是说你一刷信用卡,就获得10个小时的使用时间。我们相信,专有的、单租户的系统是提供这些服务的最佳方式。”
双方的合作对于Cray的客户来说既可以获得某些Azure服务,例如虚拟机、数据湖存储和微软人工智能和机器学习平台,同时他们也可以使用Cray Urika-XC分析软件套件,以及用于混合高性能计算管理的CycleCloud。
Bolding表示:“Azure存储很适合备份、恢复和弹性。你可以获得来自Cray的高速文件系统,以及Azure数据湖中的长期存储,这对客户来说都是透明的。”
Bolding说,相比采购专有的Cray系统来说,这种方式将为大多数企业机构节约成本。“当你采购Cray设备的时候,你通常会采购符合你的最大需求的系统,你还需要相应的存储容量,长期保存数据。很多客户购买我们的高速存储用于归档,而这并不是这种系统的设计初衷。现在他们可以把Azure用于灾难恢复和长期访问。”
Bolding说,Cray有兴趣以共享的、多租户的方式提供服务,但要“随时间的推移,以不会影响系统能力的方式来做。把合适的工作负载放在合适的系统上,这可以优化总拥有成本,这就是我们所瞄准的任务关键型工作负载。”
他没有说Cray为什么选择了独家协议,只是称其为“公平且平衡的关系”。微软目前在全球有42个Azure数据中心,但是并非所有都支持超级计算机硬件。目前定价也是定制的。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。