英特尔和Nutanix宣布携手开发一款基于第二代英特尔至强可扩展处理器和英特尔傲腾固态盘的全新超融合基础架构(HCI)解决方案。这款全新的解决方案将提供适用于多种高要求工作负载的超融合基础架构(HCI)模块,助力企业持续构建并优化其混合云环境。
混合云已经成为当今企业的首选基础设施之一,这得益于它能够使IT经理通过优化工作负载的部署,进一步控制成本并提高其安全性。尽管混合云优势众多,但它的复杂部署过程仍然需要以互用性为重点。传统数据中心基础设施催生的众多“孤岛”,往往对其进一步的发展构成了障碍。超融合基础架构(HCI)在统一的软件定义管理之下,整合了计算、存储和网络性能,为应对以上挑战提供了一条更加便捷的途径,赋予企业基于本地基础设施提供类似于公有云优势和敏捷性的技术。
在英特尔精选解决方案(Intel Select Solution)项目的大框架下,英特尔Select Solution for Nutanix HCI能够使企业迅速借助其优势获益。英特尔精选解决方案是英特尔与业内领先硬件OEM厂商及软件供应商展开深入技术合作的结果,例如与Nutanix的合作,旨在利用已经过技术验证的预定义基础架构解决方案堆栈来优化性能和提高IT改变速度。
英特尔积极与HCI领域的领先者Nutanix携手打造了这款先进的解决方案。英特尔Select Solution for Nutanix HCI将第二代英特尔至强可扩展处理器系列及傲腾技术与Nutanix软件和固件相结合,带来一种集计算、存储、网络和虚拟化于一体的全基础架构堆栈,能够进一步加快部署的速度。
英特尔精选解决方案是一套针对工作负载而优化、验证和文档化的参考设计,能够简化从发出资源请求到部署的整个IT转型进程。此外,英特尔精选解决方案可以为IT经理提供一系列丰富的配置,以便在超融合基础架构上运行新的工作负载和高要求工作负载。英特尔执行严格的验证流程,确保解决方案能够达到甚至超过预定义系统级别的基准测试要求。
作为全新面向混合云解决方案阵营的新成员,英特尔Select Solution for Nutanix HCI采用了第二代英特尔至强可扩展处理器、英特尔傲腾固态盘以及英特尔3D NAND固态盘。这款全新的解决方案包括全闪存配置和全NVMe配置,可支持和扩展多个应用,并且针对战略性的工作负载进行了基准评效和优化。该解决方案的Base“基本”配置专门针对混合工作负载,而Plus“加强”配置则适用于要求更高,并对时延敏感的工作负载,如数据库交易处理、数据分析、ERP等,或者数量更多的并发工作负载。
联想公司计划于今年夏天推出搭载英特尔Select Solution for Nutanix HCI的ThinkAgile HX。其他OEM厂商也预计将于2019年第三季度开始将搭载这一全新解决方案的产品投入市场。
联想公司数据中心业务集团软件定义基础架构总监Shekhar Mishra表示:“英特尔精选解决方案充分表明了联想、英特尔和Nutanix之间的密切合作,为我们的客户提供满足其特定工作负载需求的优化解决方案。新解决方案经过Nutanix、英特尔和联想的三方验证,随时能够为客户提供快速部署,省却动辄数月的评估工作和漫长的筛选过程。”
在数据时代,超融合基础架构(HCI)的灵活化和简洁性并非是IT现代化的最终目标。超融合基础架构是构建企业云的基石,能够通过可扩展性来满足数据的不同需求。这款全新的解决方案提供针对不同计算、内存和存储需求的参考设计,有助IT向超融合基础架构迁移的同时,大幅缩短评估时间。
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。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
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。
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。