戴尔公司日前推出使用AMD EPYC处理器的单插槽和双插槽机架式服务器及Xeon SP服务器系列产品。
业界存在EPYC处理器比同等Xeons(至强)更快的说法。
戴尔公司由PowerEdge AMD驱动的服务器有三款:R6415、R7415和R7425。这些产品与Round Rock公司服务器产品系列中的PowerEdge 14G R640和R740 Xeon SP服务器并存并继承了PowerEdge一般管理和功能的好处。
至强R640是个1U、双插座系统,而R740是2U、双插座系统。
R6415(技术规格PDF链接 http://topics-cdn.dell.com/pdf/poweredge-r6415_reference-guide_en-us.pdf)的定位是边缘计算服务器,是个1U系统,支持一个AMD Naples 插座SP3兼容处理器,最多可支持32个内核。R6415拥有8 x 2.5英寸SAS或SATA驱动器或4 x 3.5英寸驱动器或10 x 2.5英寸NVMe(SSD)驱动器。后几个驱动器不可以热插拔,R7415和R7425服务器也是如此。
据给出的参考指南,R6415配有单处理器及高达1TB的DRAM。笔者看到的幻灯片说是2TB:
我们曾问过戴尔哪个数是正确的。
R7415(技术规格PDF链接 http://topics-cdn.dell.com/pdf/poweredge-r7415_reference-guide2_en-us.pdf))是一款中档单插槽服务器,是个2U系统,支持一个AMD Naples 插座 SP3兼容处理器。R7415盒可容纳8 x 3.5英寸、12 x 3.5英寸、12 x 3.5英寸加 2 x 3.5英寸(背面)或24 x 2.5英寸SAS、SATA或NVMe驱动器(最多12个SAS/SATA/NVMe + 12 NVMe驱动器。)
内存最多达1TB(按技术规格)或2TB(幻灯片),我们曾要求戴尔澄清。
R7425主打高性能计算工作负载,是个2U系统,2插座的R7425(参考PDF指南链接http://topics-cdn.dell.com/pdf/poweredge-r7425_owners-manual_en-US.pdf)可配一对EPYC CPU,最多可配32个SAS、SATA或近线SAS硬盘驱动器或SSD以及最多24个NVMe闪存驱动器。R7425是三款里最大的盒子,最大内存为4TB。
性能
戴尔公司援引AMD公司的数据对EPYC和至强Skylake系统的等价成本做了比较:
这些数字显示了EPYC处理器系统比Skylake处理器系统具有更好的性价比。
HPE也在走EPYC路线
戴尔的竞争对手HPE去年11月推出使用一个或两个EPYC CPU的一款Gen 10 DL385服务器。这意味着32或64个内核及最大4TB的内存。
HPE当时曾表示基于EPYC双CPU 7601的DL385系统的SPECrate2017_fp_base(吞吐量)得分为257,SPECfp_rate2006得分为180,均高于SPEC发布的任何其他双插槽系统的得分。
与之相比,采用双至强Gold 6152 22核CPU的至强 DL380的SPECrate2017_fp_base得分为197。
戴尔EPYCs的得分想必与同等Xeon相若。
价格:R6415起步价2179.00美元,R7415为2349.00美元,R7425为3819.00美元。三款系统面向全球供货。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。