SUSE Linux Enterprise Server for SAP Applications是首个针对Intel Optane DC Persistent Memory与SAP HANA工作负载进行了优化的Linux平台
2019年1月16日——德国纽伦堡——SUSE宣布支持Intel Optane DC Persistent Memory与SAP HANA。现在,SAP HANA用户在SUSE Linux Enterprise Server for SAP Applications上运行时,可以发挥数据中心Intel Optane DC Persistent Memory高容量的优势。通过在距离处理器更近的地方移动和维护更大的数据量,用户可以优化其工作负载,并最大限度地减少维护期间从系统存储中获取数据的较高延迟。为了帮助客户进行IT基础设施转型以降低成本、提升性能、提高效率并增强竞争力,SUSE目前还通过多家云服务提供商和硬件供应商提供对Intel Optane DC Persistent Memory测试版本的支持。
“Persistent Memory技术将会催生新的数据访问和存储应用程序。”SUSE首席技术官Thomas Di Giacomo说道,“通过提供基于Inte lOptane DC Persistent Memory获得完全支持的解决方案,企业可以更好地发挥SAP HANA的性能优势。SUSE持续与SAP和Intel等公司开展合作,服务于世界各地希望通过IT基础设施转型来推动增长的客户。正是他们的需求指引了我们创新方向。”
Intel非易失性内存和存储解决方案部门副总裁兼总经理AlperIlkbahar说道:“Intel Optane DC Persistent Memory代表了一类专为数据中心使用而设计的新型内存和存储技术。此类新型内存旨在高性价比、大容量的内存数据库解决方案,有助于延长系统正常运行时间和加快上电后的恢复速度,以及提升云端规模应用程序的性能。我们与SUSE和SAP合作将这项革新技术带给客户,由此可以帮助他们利用新一代应用程序和服务,在这个以数据为中心的时代实现革命性功能。”
SAP HANA技术创新网络的Martin Heisig说道:“能够为SAP HANA提供PersistentMemory,是我们与SUSE和Intel的长期合作关系中一座意义非凡的里程碑。SAP数字核心的基础理念是简化基础架构以提高工作效率和实时洞察。”
SAP HANA为大小企业提供适用于其SAP应用程序的高性能数据库解决方案。使用SUSE Linux Enterprise Server for SAP Applications运行集成Intel Optane DC Persistent Memory的SAP HANA工作负载,有望帮助客户节省基础设施成本并降低管理开销。由于SAP HANA工作负载在Linux上运行,SUSE Linux Enterprise是目前唯一能够为SAP HANA和Intel Optane DC Persistent Memory提供支持的解决方案。
SUSE Linux Enterprise 12 ServicePack 4包含了对SUSE Linux Enterprise Server for SAP Applications上运行Intel Optane DC Persistent Memory与SAP HANA工作负载的支持,该ServicePack现已在全球范围发布。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。