本周一Red Hat Enterprise Linux for ARM正式推出,突显了英特尔x86-64平台在数据中心面临越来越激烈的竞争。
Red Hat在2015年首次公布了Linux for ARM的预览版,尽管该软件已经在使用多年时间了。自从这个预览版落地以来,Red Hat就在与高通等合作伙伴密切合作,后者刚刚推出了面向云提供商基于ARM SoC的Centriq 2400产品线,还有HPE也刚刚推出了首款基于ARM的HPC系统——Apollo 70。
Red Hat Enterprise Linux 7.4 for ARM是首个针对这个CPU架构的商业版RHEL。去年SUSE抨击Red Hat称,SUSE在出货完整的商用服务器级ARM Linux发行版产品方面击败了RHEL。
本周在一次采访中,Red Hat首席产品营销经理Yan Fisher解释说,Red Hat的多平台战略要追溯到12年或者13年前,那时候Red Hat一开始是与IBM围绕Power和Z系统合作的。
他说:“当我们意识到ARM将要成为这个领域一个强大的玩家时,我们就开始投资了。”
Red Hat首席ARM架构师Jon Masters表示,ARM团队成立于2011年3月1日。他回忆当时是把一个BeagleBoard与一个32位ARM芯片结合,后来某个时间点这个硬件转变为一台服务器。
“它必须是64位的,因为没有人想要32位的服务器,”他这样解释说。
英特尔的x64芯片将继续统治数据中心,但是随着64位ARMv8-A和其他支持功能的崛起,ARM硬件似乎得到了很多企业客户的青睐,让这个市场不太过于倾向一方。这一点得到了证明:英特尔去年宣布计划提供针对移动芯片的ARM技术许可。
Fisher表示,这种转变不会在一夜之间发生,也不是要取代其他架构,这是为创新——特别是专有的ARM设计——提供空间。
Fisher说:“我们正处于行业的拐点,人们需要有不同的解决方案选择。这使我们的客户能够从一个版本的硬件转向一个,并继续享受创新成果。”
最近由印度科学院计算与数据科学系Jayanth Kalyanasundaram和Yogesh Simmhan撰写的一篇研究论文,把AMD 64位基于ARMv8的A1170 SoC与AMD基于x64的Opteron 3338进行了对比。
该研究发现,AMD ARM服务器在基于整数和小型浮点工作负载方面与x86设备的性能相当。在更大型的浮点任务方面,AMD ARM芯片的FPU限制了其性能,但是研究人员指出,通过针对数据并行性调整Hadoop,ARM64硬件的性能可接近于x64设备。
基于ARM的服务器亮点在于能耗。该研究报告指出:“有能耗分析显示,ARM64服务器比x64服务器的基本能源负载要低3倍,即使在运行大数据应用的时候,增量负载也有类似的减少。我们还看到EDP[Energy Delay Product]方面,ARM64要比x64服务器高出71%。”
Kalyanasundaram和Simmhan表示,能耗在“是云数据中心运营成本中一个主要部分”,这使得ARM架构对于那些在意电费的人来说很有吸引力。
好文章,需要你的鼓励
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Scale AI团队推出SWE-Bench Pro测试平台,专门评估AI编程助手在真实企业级软件开发中的表现。研究发现,即使是最先进的GPT-5和Claude模型,成功率也仅有23%左右,远低于在传统测试中70%的表现。该测试平台包含1865个来自真实企业的复杂编程任务,要求修改多个文件和大量代码,为AI编程能力提供了更严格的现实检验。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
微软团队开发的EdiVal-Agent是首个针对AI图像编辑的自动化评估系统,能像专业评委一样从指令遵循、内容一致性和视觉质量三维度评分。该系统与人类评审一致性达81.3%,测试发现Nano Banana表现最均衡,GPT-Image-1指令遵循最佳但一致性不足,大多数模型在数量变化任务中成功率低于25%。