今天采用计算资源的大户是云,明天可能是边缘。
越来越多的数据开始在边缘侧进行分析、处理和储存已是不争的事实。IDC的统计数据显示,到2020年将有超过500亿的终端与设备联入网络,这意味着集中式的数据存储、处理模式将面临巨大压力。边缘计算通过在数据的源头提供服务,将是数字化转型、物联网的下一波浪潮。
日前,新华三在北京举行服务器新品发布会,其围绕五大场景发布了十款服务器,智能边缘被当作十分重要的场景之一。
按照新华三集团首席技术官尤学军的话说,“从云到边缘是新华三构建产品架构的重要组成部分,同时构建边云架构也是新华三的战略,边缘计算服务器则是新华三布局智能边缘必不可少的一部分。”
新华三集团首席技术官尤学军
在智能边缘场景中,新华三为中国市场带来了业界首款边缘计算节点HPE EL1000和EL4000两款产品。
边缘服务器的样子
为什么边缘计算服务器被单独拿出来?这就不得不说它的独特性。通常来说,采用标准通用硬件设备对机房可用空间、电源供应、承重等基础设施有着特殊的要求。拿电信运营商举例,无论是现有综合接入机房还是边缘DC标准通用硬件设备都难以满足需求,且它们数量庞大、位置分散、改造难度大。因此,业界不得不在现有基础设施条件上探索,推出适合边缘的计算平台。
事实上,除了电信运营商,包括亚马逊、谷歌、Facebook、阿里巴巴等互联网和云巨头都在推进自己的网络边缘,去年当亚马逊对全食超市收购时,也被认为其对边缘计算布局的重要一步。然而,无论是运营商还是OTT,边缘所面临的环境都对计算平台提出了新的要求。
以ODCC发起的面向电信应用的开放IT基础设施项目——OTII来说,它对边缘服务器提出的要求如下:
1.机架空间限制:传输及接入机房机架多为600mm 深,少部分达到800mm,远小于数据中心1200mm 的机架深度,常规通用服务器无法部署;
2.环境温度稳定性:由于边缘机房的制冷系统的稳定性无法有效保证,因此服务器最好具备原电信设备的温度适应能力;
3.机房承重限制:众多边缘机房普遍低于数据中心承重标准,对服务器的部署密度造成影响。
此外,还包括服务器性能需求、异构计算要求,以及运维管理需求等,这要求边缘计算服务器都要有新的样子。
新华三集团工业标准服务器产品部总经理刘宏程
其实,在OTII项目中,新华三也参与了对OTII服务器技术方案的制定和行动计划书,新华三集团工业标准服务器产品部总经理刘宏程表示,新华三同中国移动合作进行了边缘计算的试点和部署。
将前所未有的深度计算、数据捕获、控制和企业管理带到边缘
在新华三服务器新品发布会上,刘宏程强调了新华三带来的首款边缘计算节点HPE EL1000和EL4000两款产品。通过先进的设计理念和制造工艺,两款服务器不仅实现了体积的微型化,更能在适应恶劣工况的条件下提供强大性能、管理及无线连接能力;能够让数据在边缘和生产端被有效汇聚和处理,降低整体网络压力,提升IT效率。
HPE Edgeline将前所未有的深度计算、数据捕获、控制和企业管理带到边缘,在一个机箱中它集成了:基于开放标准的前所未有的深度边缘计算;独有集成精密数据采集与控制;数据中心级的安全、设备和系统管理。
刘宏程指出,HPE Edgeline紧凑型系统专为恶劣环境而设计,它在边缘提供数据中心级功能,能立即洞察物联网数据。这使得企业能够实时决策,增加业务流程价值,从而带来更好的业务成果。与传统服务器相比,其设计可承受更大的冲击、振动,温度范围更广,并且可以适应空间有限的边缘环境。
让数据和计算紧密结合,催生场景创新
“我们有一个理念,数据和计算在未来的结合会越来越紧密。”在刘宏程看来,不管多好的交换系统、多好的网络,它的延迟也会超过数据和计算在一起的延迟,所以边缘计算一定会迎来快速增长。
尤其在物联网爆发的时刻,边缘也正在催生越来越多的场景创新和应用。例如视频监控、AR/VR等高带宽需求业务,以及车联网等低时延需求业务,亦或工业控制等专网,它们借力边缘计算等技术,从而带来更多创新业务在边缘的尝试。实际上,在新华三发力的安防解决方案中,就利用了边缘云的技术,让视频监控和安全变得更智能和高效。
刘宏程强调,场景化让新华三更贴近用户的实际使用需求,降低产品门槛,并让产品在数字化转型过程中发挥更大的作用和价值。
此外,除了边缘计算场景,新华三还围绕混合IT、人工智能、大数据与高性能计算发布了全新的服务器组合,“新华三服务器在坚持高效、敏捷、安全、品质四大独特优势的同时,通过引入AI技术和场景化的研发模式实现了产品的更快更新和更精准定位,从而帮助企业更有效地应对业务变革,并完成数字化转型。”新华三集团副总裁、IT产品部总经理陈振宽说。
好文章,需要你的鼓励
本文探讨了达成人工通用智能(AGI)七大路线中的线性进阶路径,预测了从2025年至2040年 AI 技术与社会效应的关键年度节点。
这项研究介绍了一种新型多模态扩散模型,能够同时生成量子电路的离散结构和连续参数。由因斯布鲁克大学和NVIDIA公司研究人员开发,该模型利用两个独立但协同工作的扩散过程处理门类型选择和参数预测,克服了传统量子电路编译方法的效率瓶颈。研究证明了该模型在不同量子比特数量、电路深度和参数化门比例下的有效性,并通过快速电路生成创建了数据集,从中提取出有价值的结构见解,为量子电路合成提供了新方向。
SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术,解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程,段内引导(ISG)优化时间步重要性分配,并设计基于视觉基础模型的判别器提升生成质量。实验表明,SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本,同时保持甚至超越原模型在多项指标上的表现,代表了AI图像生成效率提升的重要突破。
MASKSEARCH是阿里巴巴集团同义实验室开发的新型预训练框架,通过创新的"检索增强掩码预测"任务,训练大型语言模型像人类一样主动使用搜索工具获取信息。这项框架包含两个阶段:首先在掩码预测任务上预训练,然后在下游任务上微调,大幅提升模型在开放域问答中的表现。研究采用监督微调和强化学习两种方法,结合多代理系统和课程学习策略,使AI能够自主分解问题、使用搜索工具并基于搜索结果进行推理。