当地时间6月24日,2018国际超算大会(ISC18)在德国法兰克福会展中心拉开帷幕。在这场一年一度的超算领域顶尖盛会上,中科曙光携多款核心软硬件产品亮相,展现了中国HPC第一品牌的实力。
作为先进计算领域的领导品牌,中科曙光在ISC18大会期间对外发布了“先进计算服务平台”,得到了海内外权威媒体的广泛关注,并评价该产品是曙光以需求驱动产品创新,推动计算能力向生产力转化的重要产品。
早在2016年,发展先进计算技术就已被写入国务院印发的《“十三五”国家科技创新规划》。通过高性能计算、大数据计算、云计算等计算技术之间的深度融合产生的先进计算以更为灵活高效的方式为百行百业发展提供计算力支持。
曙光积极响应国家号召,率先践行先进计算战略,如今已在山西、甘肃等多地建设运行先进计算中心,带动先进计算技术创新与产业的进一步发展。同时,曙光深刻意识到服务与运维在先进计算落地应用中的重要意义,不断进行着先进计算运维服务平台的探索。
2015年,曙光发布了针对HPC的专业化服务平台——EasyOP,提供HPC在线7*24小时全生命周期SaaS级服务,将传统的高性能计算机和其他计算资源进行统一的管理和调度,减轻用户运维压力,保障高性能计算充分发挥作用。
本次EasyOP将面向先进计算,进一步完善功能,升级为先进计算服务平台。先进计算服务平台摒弃了传统软硬件简单拼接的服务模式,以“互联网+”服务模式,用更完善的方案、全面的在线支持,为用户提供契合的先进计算交付服务和及时全面的运维管理服务,各项新功能的加入将大幅提升用户体验:
E-Shell
shell模式灵活度更高,是众多骨灰级用户的首选。管理员在解决集群问题时,一般也会通过shell登录到集群进行检测,但需要提供用户信息,甚至vpn,影响了工作效率。
E-Shell是shell功能在先进计算服务平台的集成,使用更方便、快捷、安全。同时,用户可直接通过E-shell登录集群管理节点、提交作业,并获取shell工具的相关功能体验,工作效率将进一步提升。
应用商店
先进计算服务平台的应用商店能提供丰富的、可定制的系列小工具,致力于完美适配不同用户需求。
目前已有工具主要包含:检查节点网络服务运行状态小工具、网卡配置信息的检查网络链接状态小工具、定位节点是否关机的检测节点状态小工具、获取防火墙规则小工具、启动并检测sshd服务状态的启动小工具等等。用户还可以把自己常用的代码转化为小工具放到应用商店进行维护和使用。
应用集成
先进计算服务平台可将应用软件封装成完整的云环境,以应用集成服务(Portal)的形式提供给用户。Portal可帮助用户规避一些入门门槛和常见漏洞,帮助用户实现便捷运维和云端管理,全程服务一步到位。
个性化报告
先进计算服务平台可通过提取集群总览、资产统计、作业统计、告警统计四方面的信息,自动生成月度、季度、年度数据统计和分析报告,也可根据用户需求个性化定制报告,
帮助用户轻松掌控集群的运行情况,及时调整和优化集群的配置。
此外,先进计算服务平台还可提供项目建设咨询、设备选型建议、产品交付跟踪、售中部署、应用环境调优、在线运维支持、售后技术支持等服务。通过先进计算服务平台,用户不仅可以共享资源,还可以实现闲置资源交易,提高资源的利用效率。曙光将依托自身在高性能计算机领域重大研发成果和市场占有率,为用户提供契合的高性能交付服务和更及时全面的运维管理服务。
先进计算是数字经济发展的关键基石。曙光凭借在先进计算领域的深厚积累,立足核心技术,不断完善产品和服务,推动先进计算的发展与应用,先进计算服务平台便是其又一重要成果,将使先进计算迸发出持续生产力,帮助企业数字化转型,加速产业新旧动能转换,提升区域科技创新能力,推动数字中国建设实现跨越式发展。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。