超级计算机公司Cray今天公布了它所谓的第一台“能够达到Exascale级”的Shasta超级计算机。据称,Shasta专为那些需要更多计算和网络技术选择的企业而设计,旨在通过提供能够运行高性能计算工作负载(如人工智能、数据分析和建模)的单一平台来简化性。
Cray表示,设计这个系统想法是取代目前常用来运行大部分工作负载的复杂异构集群系统。Cray认为,市场对这种单一系统的需求不断增长,因为这种系统有助于让一切更易于管理,并且消除了性能瓶颈,从而让企业可以大规模地运行高性能计算工作负载。
Shasta有一个特点就是,用户将能够砍掉并更改运行在Shasta内的基础设施以满足他们的需求。例如,用户可以自行选择处理器架构,例如英特尔和AMD的定制x86芯片、Nvidia的GPU、甚至是英特尔和Xilinx打造的针对特定任务重新编程的FPGA。
客户还可以选择不同的连接技术,用于连接Shasta的不同组件,包括英特尔Omni-Path和Mellanox InfiniBand产品。Cray表示,此外客户还可以选择Cray最新的Slingshot技术,该技术专为HPC和AI设计,带宽是传统互连技术的5倍。
Cray表示,Slingshot兼容以太网,可以实现拥塞控制、自适应路由和“高等级”服务质量。Cray方面称,用户使用Slingshot可以建立超过25万个端点的网络。
Cray高级副总裁、首席技术官Steve Scott在一篇博文这样写道:“Slingshot非常低的网络直径实现了极其灵敏的自适应路由;每个交换机都能很好地了解网络的整体状态,因此可以做出快速、明智的决策,以选择能够避免临时拥塞的最佳路径。这让我们即使是在大规模环境中也能够保持高达90%的利用率,让工作负载运转良好。”
Cray计划提供两个版本的Shasta:基础版本配备19英寸、基于空气或液体冷却的系统,可安装在标准数据中心机架内。另外一个支持液体冷却功能的更高级、更高密度版本,将采用64个计算刀片,每个刀片配置多个处理器。总体而言,Shasta预计比Cray目前最强大的超级计算机快10至100倍。
Constellation Research首席分析师Holger Mueller表示,虽然Shasta超级计算机是针对企业的,但大部分系统都可以部署在公有云中而不是企业自己的数据中心内。
Mueller说:“过去,Cray的设备会使用运行在企业数据中心内,且有相应的应用程序。但是看看下一代量子计算机,这种计算机更有可能只部署在公有云中。不过,这不仅仅是硬件,还有软件。未来Cray平台可以实现哪些新的应用,这一点值得期待。”
Cray表示,计划在2019年底之前实现商业化,显然还有一段时间。不过,Cray将在11月美国达拉斯举行的SC18超级计算活动期间首次展示Shasta。
不仅如此,Shasta被认为是面向未来的“Exascale级计算”,一旦所需的处理技术准备就绪,它就将在2021年或2022年被投入使用。Exascale级计算机将至少具有一个exaFLOPS的性能,这将是2008年推出的Petascale级计算机的数千倍增长。
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。