思科今天推出了一款针对人工智能进行优化的系统,成为最近一家在该领域有所动作的数据中心设备制造商。
思科今天公布的UCS C480 ML M5是一款四机架单元服务器,专门用于运行处理器密集型深度学习工作负载,属于思科的UCS统一计算系统家族。UCS系列服务器是将计算资源与网络和存储功能以及管理自动化软件结合到一起的系统。
C480 ML M5比该系列的很多其他系统具有更强大的性能。它采用2个最新一代英特尔Xeon Scalable CPU,以及8个Nvidia Tesla V100 GPU,同时思科选择了高配版SMX2芯片,该芯片包括32GB板载内存。
据Nvidia官方数据显示,单个V100的性能是传统CPU的47倍,可用于深度学习工作负载。该芯片在Apple Watch的模片上装载了217亿个晶体管,这些晶体管被组织成5700个处理核心,包括640个专门针对人工智能设计的Tensor核心。
在思科的新设备中,V100芯片使用Nvidia专门为此类系统开发的NVLink技术进行通信。反过来,企业可以为该系统配备最多24个直连磁盘或闪存驱动器。6个C480 ML M5驱动器插槽支持基于高速NVMe互连技术的闪存设备。
这些系统为思科提供了潜力,此前思科的业务不仅受到戴尔和HPE等硬件供应商的攻击,还受到AWS和微软等云服务提供商的压力,这次推出的系统让思科有潜力提供更有竞争力的数据中心产品,Gartner研究主管Chirag Dekate这样表示。他说,目前还没有其他硬件提供商提供8 GPU的服务器。
他说:“对于思科而言,它最大限度地减少了数据中心的阻塞,让思科能够继续吸引用户使用思科的平台。”同样,新系统使思科的客户“能够在不向数据中心引入新的多样性的情况下,进行深度学习。”尽管许多企业是在公有云基础设施上启动他们的人工智能项目,但他表示,大多数企业将重要的项目移至他们自己的、更具成本效益的基础设施上,例如思科的。
思科希望确保这款设备能够与企业首选的人工智能工具配合使用。为此,思科正在与Hortonworks合作,为该设备验证Hadoop分析平台最新的3.1版本。该版本为流行的深度学习框架(例如TensorFlow)提供支持。
此外思科还支持Kubeflow开源工具,可使TensorFlow与Kubernetes软件容器编排引擎兼容。软件容器使企业能够轻松地跨不同类型的环境移动工作负载,这意味着客户可以将本地AI模型迁移到云,反之亦然。
Dekate说,所有这些都特别重要,因为思科的一个优势是拥有比一些竞争对手更深入的软件提供商及其他合作伙伴生态系统。
就在推出C480 ML M5的一个月之前,Dell EMC也推出了一款针对人工智能工作负载的类似服务器,最多可配置4个V100芯片。早些时候,Pure Storage公司推出的AIRI结合了5个Nvidia DGX-1服务器,每台服务器配备8个V100。
思科将在今年晚些时候上市C480 ML M5。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。