华为在CEBIT上推出了一款功能更强大的高端KunLun服务器,此外还公布了其他硬件和软件的公告。
KunLun是华为的一款大型服务器,在一个机架中可容纳多达32个CPU。这个V5版本基本上是升级采用了至强SP,支持NVMe驱动器,这也华为对其服务器产品线进行Skylake升级的最新举措。
这款新服务器专门用于X86服务器高端市场,即所谓的关键任务场景,这个可扩展的机箱由4个SCE子机箱构成,每个子机箱配置2到8个处理器,12TB的DDR4内存(96个DIMM)和1个CME中央管理机箱。这个服务器产品线有3种型号,9008配置8个处理器,9016配置2个处理器,9032有4个。9008和9016可升级到32个CPU。
KunLun 9008(左)、9016(中)和9032(右)
处理器要么是Xeon Platinum 8100或Gold 6100处理器,每个节点最多768个内核(24核CPU)和32TB内存。
这款系统在物理上可分区为4-CPU组,或者每个主机最多可以有40个1-96 CPU核心逻辑分区。此外有PCIe扩展插槽、2个10GbitE SFP+端口和2个GE RJ45端口。
每个SCE的本地存储容最高可达到48个2.5英寸SAS/SATA磁盘驱动器,或者40个2.5英寸NVMe SSD。数据规格表中并没有透露容量。RAID级别支持0、1、10、5、50、6和60,操作系统方面支持RedHat、SuSE Linux、、Windows Server和VMware ESX。
华为表示,KunLun v5具有一个多层容错架构,带有容错芯片、固件和操作系统,它是完全冗余的,没有单点故障。我们得知KunLun v5它RISC服务器性能高出40%,但没有给出细节。
为什么是32个CPU的机架服务器而不是32个单独的机架服务器?简短回答的话,就是你可以将CPU和核心分组到多个计算单元,并根据工作负载进行调整计算单元的大小。
如果你有一组可变大小的工作负载(需要在不同时间和不同组合中运行),那么可以将一台8个、16个或32个CPU的进行灵活且动态的修改成为适当大小的计算单元,通过物理分区和逻辑分区。
这不会使它成类似HPE Synergy/Attala/DriveScale/Liqid那样的可组合式服务器(可以从资源池动态定义计算、内存和存储分组)。KunLun与其他厂商的32路服务器有何不同?
其他一些大型服务器厂商
思科在这方面并没有一款服务器产品。
戴尔m100e 10U刀片式服务器机箱可容纳16个刀片,每个刀片都可以是一个4路系统,采用22核至强E5-4600 v4 CPU,总共64个CPU和1408个核心。
但这是升级到Skylake之前的系统,没有类似KunLun那样的集中管理的4机箱系统。富士通的刀片式服务器机箱产品似乎也是如此。
日立在2016年推出了12U的CB 2500机箱,配备14个双处理器刀片服务器模块。有一个支持LPAR的8插槽CB520X刀片模块。这款刀片机箱系统没有升级到Skylake。
HPE的Integrity机架服务器采用安腾处理器,Superdome Flex在8个5U机箱组合在一起的时候支持32个至强SP处理器和48TB内存。
当然,IBM有自己的大型机系统,基于Power9的AC922(Power9,22核)配备有2到6个Tesla V100 CPU,可扩展为1个全机架或多个机架。
华为还在其CeBit上推出了其他新产品,如Internet of Vehicles套件、支持40多款云服务的FusionCloud 6.3全堆栈产品、以及FusionInsight LibrA融合数据仓库等。
华为表示,这款产品采用并行计算、混合行列存储和矢量化执行技术,可在数秒内完成数万亿条数据记录的关联分析。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。