IBM公司在本月早些时候于纽约召开的AI纽约峰会上指出,其POWER 9方案在支持AI以实现“认知”工作能力方面优于通用或专用型X86商业现成(简称COTS)工具。
蓝色巨人最近公布了一项“演示”,据称其能够利用自有专有服务器配合低延迟/高带宽技术接入FlashSystem阵列——例如PCIe Gen 4、EDR与QDR InfiniBand以及NVMe over Fabrics,从而在性能表现上将COTS服务器及存储方案远远甩在身后。
当然,E8、Excelero、Pavilion以及Farmation Data Systems等初创企业都已经在推出NVMe over Fabrics访问型存储阵列,而Pure Storage也有意作出尝试——这一切都能够支持立足X86服务器的访问能力。
另外,IBM公司在展示中还使用了NVMe over Fabrics InfiniBand(简称NVMe-oF)。IBM公司并没有正式公布在AC922服务器或者FlashSystem 900阵列上支持NVMe-oF协议,但从目前的技术预览来看确有这种可能。
此次展示于今年12月5日到6日召开的AI纽约峰会上正式亮相。荐AC922采用PCIe第四代总线,速度是目前大多数服务器所使用的PCIe第三代总线的两倍。
IBM公司还向与会者们展示了基于POWER 9的AC922与五台FlashSystem 900阵列利用NVMe-oF实现对接的预览方案,并表示其能够有效降低数据访问延迟并提升传输带宽。
蓝色巨人Flashsystem产品组合与赋能战略经理Woody Hutsell在博文中指出,这台AC922服务器“能够将I/O数据吞吐能力提升至目前x86服务器内所使用的PCIe第三代总线的5.6倍。”
IBM公司表示,其将成为AI实现方案的理想之选——其能够摄取“海量数据,同时完成实时推理(对象检测)。”
Hutsell表示,FlashSsytem 900已经能够利用InfiniBand连接支持SRP(即SCSI over RDMA协议),并可将SCSI代码替换为NVMe代码以进一步降低延迟水平。
IBM公司在技术预览中使用的硬件配置。
在展示中,AC922服务器通过一个双閊NVMe-oF EDR 100Gbit Mellanox适配器接入一台Mellanox Switch-IB 2 7800交换机——后者又接入五台FlashSystem 900阵列,每台阵列配有4个每秒40 Gbit QDR InfiniBand端口。
这套配置可提供每秒41 GB总传输带宽,其中读取与写入能力最高可分别达到每秒23 GB与每秒18 GB。不过IBM方面并没有给出访问延迟数据。
IBM公司指出,POWER 9服务器加FlashSystem 900/NVMe-oF InfiniBand的组合能够为企业AI提供必需的低延迟与高传输带宽,意味着其在性能表现上要优于采用NVMe连接的其它一切x86服务器加闪存存储阵列方案。然而由于延迟数字尚未提供,这样的结论似乎很难令人信服。
Excelero公司为美国宇航局艾姆斯实验室打造的一套NVMe over Fabrics虚拟SAN系统可为4K IOPS提供平均199微秒的延迟水平,其最低延迟甚至仅为8微秒。这套系统的传输带宽在1 MB存储块大小的情况下可超过每秒140 GB。
该系统拥有128个计算节点,因此不能直接与IBM公司演示的单服务器进行比较。尽管如此,我们还是能够借此发现一些端倪,也许某家至强SP服务器供应商会采用PCIe第四代总线、NVMe over Fabrics外加每秒100 Gbit以太网连接全闪存阵列系统来观察所能达到的性能峰值。
好文章,需要你的鼓励
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。