IBM正在寻求让自己的大型机更适合于现代数据中心。
IBM近日公布了两款小型化的大型机型号,并表示这两款型号在公有云或私有云环境中部署要比上一代传统大型系统更容易。
第一个新系统是以z14 Model ZR1(如图)命名的,基于一种单框架设计,IBM说这种设计可以装入以前用于容纳常规服务器相同的标准19英寸数据中心机架。
ZR1在IBM早期Z13大型机基础上进行了多项重大改进,吞吐量提高10%,配置高达8TB的内存,是上一代的2倍。计算则由3个10核心处理器执行,据称可以达到5.2GHz的主频。
IBM表示,这些芯片提供足够的计算能力来运行多达330,000个容器。依赖大型机的大企业正在越来越多地使用软件容器,这让开发人员将应用组件跨不同类型基础架构捆绑到轻量级的软件包中。
企业也可以利用ZR1每天处理高达8.5亿次加密交易。大型机在金融领域的应用尤其广泛,IBM表示全球50强银行中有44家银行依赖IBM的Z系列系统。
IBM表示,ZR1支持标准冷却和动力设备,这一特点旨在让ZR1相比Z14更易于部署,后者需要复杂的三相电源供电。此外,ZR1机箱拥有16个机架的可用空间,可容纳网络设备和辅助设备,从而释放数据中心的占地空间。
IBM推出的另一款大型机新型号是基于Linux的Rockhopper II,该系统专为运行Linux开源操作系统而设计,可以像ZR1一样安装在19英寸机架中,并提供类似的规格。该型号是IBM在2015年与Ubuntu合作推出的大型机的最新版本。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。