2017年11月28日,戴尔宣布推出全新机器学习和深度学习解决方案,从而继续为全球主流企业提供高性能计算(HPC)和数据分析功能。全新推出的解决方案能够让企业充分利用高性能计算和数据分析的融合,在欺诈检测、图像处理、金融投资分析和个性化医疗等领域实现技术进步。这些创新体现了戴尔在推动高性能计算、通过人工智能(AI)技术创新而优化数据分析、推进高性能计算和人工智能社区等领域的下一步发展计划。
尽管机器学习和深度学习等人工智能技术正在被各行各业的诸多企业所采用,却只有少部分企业拥有设计、部署及管理这种系统的专业知识,以及了解如何通过这些知识来快速、有效地获取最新洞察。凭借强大的合作伙伴生态系统以及公司内部在高性能计算和数据分析服务方面的专业知识,戴尔全新的解决方案能够让用户利用其收集到的海量数据,实时交付更快、更好、更深入的业务洞察。
面对这一新兴技术,企业往往很难知道如何开始充分利用机器学习和深度学习解决方案。为了帮助他们更快捷、高效地从中获益,戴尔为客户提供专注于特定场景和业务问题的高性能计算解决方案,并提供行业及高性能计算专家的意见和指导。
作为新产品组合的一部分,戴尔全新机器学习和深度学习就绪产品组合充分融合了戴尔专业团队的经验与知识,进一步履行了戴尔对普及高性能计算,以及帮助用户获得更快、更好、更深入的数据洞察的承诺。这些就绪产品组合把经过预先测试和验证的服务器、存储、网络以及专为机器和深度学习应用而优化的解决方案与服务整合为一体。新的就绪产品组合具有以下优势:
戴尔的机器学习和深度学习就绪产品组合将帮助全球主流企业通过预置和混合云环境中的这些功能来获得竞争优势。
戴尔深度学习就绪产品组合的用户将获益于全新推出的PowerEdge C4140服务器,该产品支持包含PCIe和NVLink高速互联技术的最新一代NVIDIA Tesla V100 GPU加速器。戴尔和NVIDIA在今年6月举办的2017年ISC大会上宣布了在新的高性能计算、数据分析以及人工智能产品和解决方案等领域进行联合开发的战略合作协定,PowerEdge C4140这款新产品就是其中的一个例子。
此外,戴尔还计划推出与英特尔进行密切技术合作而来的就绪产品组合。戴尔和英特尔已着手准备签署一项联合创新协议,旨在合作推动人工智能、机器学习和深度学习领域的进步。
全新戴尔PowerEdge C4140服务器是一个超高密度、针对GPU加速器而优化的服务器平台,它采用了创新系统设计,旨在处理密集型人工智能负载。PowerEdge C4140采用两个英特尔至强可扩展处理器和四个NVIDIA Tesla GPU,以便为要求严苛的认知负载提供优化的性能。全新PowerEdge C4140的加速技术十分适合密集型机器学习和深度学习应用,帮助推进科学成像、石油与天然气勘探、金融服务以及其它高性能计算垂直行业的技术进步。
戴尔PowerEdge C4140能够为深度学习应用以及生命科学应用提供最高可达500TFLOPS的性能;相比只采用CPU的同等系统快19倍,相当于需要19台只采用CPU的服务器才能完成一台C4140服务器所完成的任务。凭借PowerEdge服务器以及NVIDIA最新的GPU,戴尔正在通过各种高性能计算就绪产品组合帮助企业采用机器学习和深度学习应用,使企业能够获取更多的竞争优势:
有异构高性能计算负载的企业则更倾向于使用戴尔PowerEdge R740xd服务器,这一基于三个GPU加速器的强大平台旨在对高性能计算环境中的关键服务进行更多容错。针对更加复杂的计算任务,戴尔提供采用创新散热选项的PowerEdge C6420服务器平台,为高频交易等应用提供最高的性能密度。
戴尔全新机器学习和深度学习解决方案充分汲取了与用户合作进行的领先调研所获取的经验,这些调研最大程度地利用了机器学习的价值。
德州大学奥斯汀分校的德克萨斯高级计算中心(TACC)积极开展了一项研究——利用机器学习来识别脑部肿瘤,并将其用作新“Stampede2”超级计算机的首批应用之一,Stampede2超级计算机在通过Intel Omni-Path Fabric连接的4200个节点上采用了英特尔至强融核7250处理器。该系统是与戴尔、英特尔及希捷共同开发,在2017全球超级计算Top500榜单中排名第12位。
此外,西蒙弗雷泽大学的“Cedar”超级计算机专为包括人工智能在内的大数据而构建,它采用了146个搭载NVIDIA Tesla P100 GPU的戴尔PowerEdge C4130服务器。作为加拿大领先的学术超级计算机,Cedar在2017全球超级计算Top500榜单排名第94位、在Green500榜单中排名第13位,帮助研究人员在多个领域中开辟了新天地。大学研究人员与公共医疗机构一起利用Cedar来研究细菌中不断变化的DNA代码,从而采取更快、更有效的措施控制传染疾病。
戴尔PowerEdge C4140将于2017年12月在全球发售。
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。