至顶网计算频道 08月07日 新闻消息(文/董培欣):随着云计算、大数据、人工智能技术的不断发展,具备通用型计算能力的CPU已经越来越难以满足大数据分析和人工智能对计算能力的特列计算性能要求。于是GPU与FPGA等异构计算产品开始在数据中心中出现并逐步占有一席之地。
当前,为了满足云计算数据中心内日益提升的计算、网络和存储性能要求,自适应和智能计算的全球企业赛灵思公司(Xilinx)宣布推出Alveo U50,进一步扩展 其Alveo数据中心加速器卡产品组合。Alveo U50卡是业界首款可以支持第四代PCIe(PCIe Gen 4)的轻量级自适应计算加速卡, 专门为扩容各种不同关键计算、网络和存储工作负载而特别设计,而且所有的加速都在同一个可重配置FPGA平台之上实现。
Alveo U50卡采用赛灵思UltraScale+架构,率先使用半高半长的外形尺寸和低75瓦的低包络功耗。该卡支持高带宽存储器(HBM2),每秒100G网络连接,并支持第四代PCIe和CCIX互联标准。通过支持标准的PCIe服务器插槽和仅相当于现有Alveo卡1/3的功耗, Alveo U50大幅扩展了自适应加速技术可以部署的范围,从而为要求严苛的计算、网络与存储工作负载带来了前所未有的高吞吐量与低延时。8GB HBM2提供了超过400Gbps的数据传输速度, QSFP端口提供了高达100Gbps的网络连接。此外,高速网络I/O还支持各种前沿应用, 如NVMe-oF解决方案(NVM Express over Fabrics),解耦计算存储和专业金融服务应用。
Alveo U50为客户提供了小尺寸、低功耗的可编程加速器平台,专门面向任意服务器部署,本地、云端和边缘的横向扩展架构和特定领域加速而打造。为了应对云微服务等新兴动态工作负载的挑战,Alveo U50在吞吐量,延迟和功效方面实现了10-20倍的改善。 对于加速网络和存储工作负载,U50卡可帮助开发人员通过将计算更接近数据来识别并打破时延和数据移动的瓶颈。
从机器学习推断、视频转码和数据分析到计算存储,再到电子交易和金融风险建模,Alveo U50可以将Alveo平台的灵活性、高吞吐量和低时延等性能优势,扩展到任意服务器的部署中。与固定架构的其他解决方案不同,Alveo U50的软件和硬件可编程性使客户能够在工作负载和算法不断发展的同时,满足不断变化的需求并随时优化应用性能。
赛灵思执行副总裁兼数据中心部总经理Salil Raje先生表示:“对数据中心永无止境的需求,正在将现有数据中心基础设施的性能推向极限,行业需要灵活应变的解决方案来优化广泛应用领域工作负载的性能,以延长现有基础设施的生命周期,并最终降低总拥有成本(TCO)。新款Alveo U50面向数据中心工作负载带来了优化的外形尺寸,以及前所未有的高性能与灵活应变能力,我们将持续与不断扩大的应用合作伙伴生态系统合作,共同构建解决方案堆栈,为众多行业提供此前不可想象的新功能。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。