至顶网服务器频道 11月09日 新闻消息:
从多个消息渠道获悉,惠普企业(HPE)正在计划与WekaIO合作,以增强旗下超级计算和HPC文件系统的功能。
Qumulo在此之前已经与HPE有合作关系,Qumulo的核心软件在HPE的Apollo服务器上运行,重点放在企业级HPC应用程序上。我们曾报道过Qumulo软件在Apollo 4200服务器上运行时可生成Dreamworks特效。
我们的印象是,WekaIO文件系统软件可用于纯HPC用例,扩展性更大,比Qumolo的Core软件执行速度更快,但进一步确认这一点仍需基准数据。
WekaIO在本月9日至11日在丹佛举行的HP- CAST上安排了两场活动。而且,WekaIO从13日到16日还将出现在丹佛的2017年超级计算(SC17)会议的HPE展台上。
预定站台的是WekaIO联合创始人兼首席技术官Liran Zvibel:预计他将介绍以下的领域:
加速HPC工作负载的下一代NVMe原生并行文件系统
机器学习的重新计算绑定
Weka 上个月曾表示将在SC17会上宣布一项OEM交易。
我们知道HPE将为WekaIO的Matrix产品颁发HPE的Apollo HC服务器系列的证书。 HPE拒绝发表评论。
我们的评论
梅格·惠特曼(Meg Whitman)的经大幅瘦身后的HPE与存储公司和其他科技公司存在两个层次上的合作关系。一方面HPE爱死了这些公司,最后会买下他们;SimpliVity和Nimble是很好的例证。
另一方面,HPE也有一些友好的合作伙伴和OEM,不至于去收购他们,Qumulo、Scality和WekaIO是例子。在两种情况下,HPE都在旗下的服务器上运行这些供应商的软件。
HPE与Qumulo和WekaIO的合作伙伴关系有助于HPE强化旗下的文件技术,以对抗对手的竞争套件,如戴尔EMC的 Isilon(Qumulo)和Elastifile(WekaIO)。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。