京东方科技集团股份有限公司(以下简称“京东方”)是全球五大液晶面板制造巨头之一,全球三分之一的平板电脑和五分之一的智能手机使用了其制造的屏幕。截至2016年四季度,京东方生产的智能手机液晶显示屏、平板电脑显示屏、笔记本电脑显示屏全球市场占有率列为第一 。
近期,京东还获得了业内持续的关注与热捧,原因是其在10月26日宣布第6代柔性AMOLED(有源矩阵有机发光二极体)生产线提前量产,这是中国首条全柔性AMOLED生产线,打破了韩国企业的垄断,成为“OLED国产化”的重要开端。
此外,这一液晶面板的巨头也正在抓住物联网市场大势,基于公司核心技术加速布局开启新的发展空间。京东方在保持已有显示器件领域的优势之余,还在智慧系统、健康服务等板块持续发力。
因此,不论是针对传统业务还是新拓展的版块,为承载庞大繁复的业务体系及线上运营系统,京东方对IT基础架构提出了更高的需求。目前,京东方使用Citrix VDI桌面虚拟化,共计有20000多个桌面,使用传统SAN和NAS架构。为创新和升级IT基础架构,京东方决定建设一套完全独立的超融合桌面云系统,将桌面逐步迁移到超融合平台,从而满足不断发展的业务需求。如此大胆的尝新之举,京东方魄力何来?
京东方新建的桌面云系统采用Citrix桌面虚拟化技术,为每个用户提供两套办公桌面,包括一套用于普通办公桌面,一套用于云桌面,并通过配置策略的方式将两个桌面之间的数据以及用户权限隔离。但在基础架构建设中,京东方却遇到难解的三个挑战,一是VDI常见的“启动风暴”;二是传统IT基础架构复杂性高、规划时间长、上线交付慢、运维复杂;三是存储资源不能共享,系统扩容复杂,不能按需投资。
此外,京东方现有生产环境采用VMware vSphere虚拟化,以及Citrix XenDesktop桌面虚拟化。在新建项目以及京东方未来的项目规划中,新增资源需要与现有生产环境对接,与底层资源池互通,为未来统一的底层资源池做好进一步的规划。
超融合架构凭借其高性能、高可用、易扩展等特性,已被逐步认可为最适合于虚拟桌面(VDI)场景的IT架构。经过详尽的调研、评估、对比,最终京东方选择利用SmartX软件和一体机,来构建新一代超融合桌面云系统。
京东方桌面云交付示意图
SmartX超融合系统架构图
软硬件配置表
京东方采用一台SmartX Halo 400和一台SmartX Halo 200超融合一体机,共占用4U机柜空间,在每个超融合节点中安装VMware vSphere虚拟化和SmartX ZBS软件定义的分布式存储,通过万兆网络互联,组成一个超融合集群,对外提供一个统一的超融合虚拟化资源池。
另外,SmartX超融合架构针对VMware vSphere集群管理以及Citrix XenDesktop托管资源管理,均与原有生产环境对接,资源池之间可以进行互通互联。未来可按需添加超融合一体机,既可快速扩容,也利于业务快速部署上线。
作为国内超融合领导厂商,SmartX此次为京东方提供超融合桌面云解决方案,是基于其丰富而坚实的技术积累及行业经验,力求以最优配置及定制化方案达成最好成效。
“SmartX超融合系统保障了我们的桌面云快速上线,满足了系统对高性能的要求,同时IT资源灵活扩展、易维护,解决了我们业务快速发展的后顾之忧。”京东方IT负责人表示。
经过长时间稳定运行,京东方超融合桌面云收获了四大显著成效:
企业IT从最传统“服务器+传统SAN和NAS”转变为超融合,这种改变正在越来越多的企业中发生。京东方通过引入SmartX 超融合 “互联网式”IT架构,助力其信息化平台再升级,进一步支持其开拓新业务领域、实施创新布局。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。