至顶网服务器频道 10月08日 新闻消息: 2018年 10月 1日,OCP Regional Summit 2018在荷兰阿姆斯特丹举行,这是首届在美国本土之外举行的OCP技术峰会。大会上,浪潮与OCP联合发布最新OCP 标准的整机柜解决方案,包含5款最新基于Open Rack V2.0标准的机柜扩展节点,而且还展示了业内首款符合OCP Redfish Profile规范的OpenBMC版本,为各类数据中心,尤其是大规模、超大规模数据中心,提供了下一代开放技术管理方案。
5款全新节点 覆盖不同应用场景
浪潮与OCP联合发布的最新基于OCP标准的整机柜服务器解决方案包括5款节点,1个AI节点,1个JBOD存储节点和3个计算节点。
计算节点分为高密度计算、通用型、存储型,均采用高密度设计,形态为1OU3节点和2OU3节点,均可支持2颗处理器以及16个内存插槽,硬盘和PCI-E插槽扩展性视产品类型有所不同,而且均为高密度形态,适合于大规模标准化部署,这些节点可以广泛覆盖从高密度计算、搜索到大数据、云、AI等各类应用场景。
JBOD存储节点,是专为温冷数据存储和管理方案,高度为2OU,可支持34块3.5寸硬盘或者SSD。该节点可以作为计算节点的存储扩展模块,也可以作为机柜所有节点的共享存储池。
AI节点高度为4OU,可配置16个GPU加速器或者FPGA插卡,该节点配有浪潮开发的PCI-E switch,这些I/O资源已经解耦重构,可以在节点间动态调配。浪潮曾经为百度开发了GPU BOX和PCI-E switch,应用于百度自动驾驶、图片搜索、语音识别等AI业务中,取得了很好的实用效果。
实现openBMC与Redfish标准的融合
BMC(Baseboard Management Controller)是监控服务器健康状态并提供带外管理服务的嵌入式管理单元,当前各主要服务器供应商BMC软件栈均是闭源的,且各家实现差异性较大,数据中心运营商实现数据中心设备统一管理难度较大。2015年,Facebook发起了OpenBMC开源项目,经过几年的发展,这个开源项目转移到Linux基金会,相关技术生态初步形成。
当前的服务器管理技术标准主要是IPMI,IPMI功能较少,而且对于其他的扩展功能缺少统一的管理规范接口约束,只适用于中小规模的数据中心管理。而现代大规模数据中心平均几千台甚至上万台服务器才会配置一名数据中心管理员,需要管理方案提供更多功能以及相应的接口,IPMI已不能满足其需求。下一代服务器管理标准Redfish应运而生,Redfish扩展性好,功能丰富,针对不同供应商的种类多样的基础设施提供规范化易集成的管理接口,除了服务器外,Redfish也在逐渐扩展对存储、网络方面的支持,被认为是未来数据中心管理领域的事实标准。
浪潮推动了新技术与新标准的融合,实现了业内首款符合OCP Redfish Profile规范的OpenBMC版本,进一步提升了OpenBMC的模块化、规范化程度,为各类数据中心,尤其是大规模、超大规模数据中心,提供了下一代开放技术管理方案。
拥抱开放计算生态
2017年,OCP 社区首个基于 Skylake平台的IP浪潮 ON5263M5获得认证,目前,这一产品已经批量上市。浪潮集团副总裁胡雷钧说,开源技术的发展不仅需要成员贡献更多IP,更需要成员企业做好开源技术的产品化和产业化,后者才是开源生态发展的关键。
浪潮一直是开源技术的积极拥护者,从Linux到OCP,到Caffe,浪潮参与了软硬件领域的众多开源社区。浪潮集团副总裁胡雷钧表示,随着开放技术和产业的发展,CSP的需求和产品都将走向开放化和标准化,作为全球三大开放计算标准组织的共同成员,浪潮面向未来云数据中心变革,持续推进融合架构数据中心和智慧计算战略,推进开放计算技术的融合,构建真正的开放生态。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。