在今年早些时候,英特尔和谷歌就准备进行更深层次的战略合作。近日两家公司宣布推出为第二代英特尔至强可扩展处理器优化的面向谷歌云Anthos的全新英特尔精选解决方案。
混合云是大多数现代业务基础架构的重要组成部分,因为由此可以平衡性能,降低TCO,解决遗留应用程序,提升安全性和合规性。所以,混合云仍旧是企业的最佳选择,超过80%的企业组织表示目前已经制定了部署混合云的计划。
谷歌云全球生态合作副总裁Kevin Ichhpurani表示:“多云和混合云是很多客户目前面对的企业IT现状。通过Anthos,我们致力于为客户的工作负载提供最佳的平台。在客户转向混合环境之际,与英特尔在Anthos上的合作为客户提供可信且经过验证的解决方案。”
面向谷歌云Anthos的英特尔精选解决方案将很快通过联想、Quanta Cloud Technology、SHI和World Wide Technology销售。
通过提供使用现有VMware vSphere和VMware vSAN环境的预先测试和经过验证的解决方案,面向谷歌云Anthos的英特尔精选解决方案可以简化企业组织向混合云或多云解决方案的迁移。
Anthos包含一个由谷歌云管理的软件堆栈、并由行业领先的现代化技术所驱动支持。该参考设计针对英特尔架构进行了优化,帮助IT运营的转型并帮助企业IT更轻松地在内部和云中开发应用软件。Anthos支持新的或现有VMware环境,简化部署和管理,同时简化谷歌云验证的安装和升级。
希望利用Kubernetes和云技术来获益的企业将利用提前验证的解决方案来真正的获得收益,包括采用VMware ESXi的Google Kubernetes Engine (GKE) On-Prem on VMware vSphere。对比融合解决方案,企业可以通过利用VMware vSAN超融合基础设施从而降低总体拥有成本。
根据IDC的研究,超融合系统的销售额在2018年同比增长了57.2%,仍旧是市场增长的主要驱动力。VMware vSAN为企业组织提供高可用性、更高的安全性和性能并无缝地与VMware vSphere集成为一个原生超融合基础设施解决方案,适用于业务关键型应用、整合的虚拟桌面基础设施(VDI)、混合工作负载基础设施等等。
作为超融合基础设施部署的备选方案,这些解决方案还可支持远程存储。为了简化管理,Google Cloud Console(谷歌云端控制台)将提供一个跨本地部署和云环境管理集群的视图。
谷歌云和英特尔建立了长期战略合作伙伴关系。面向谷歌云Anthos的英特尔精选解决方案是双方多年合作的成果。谷歌云在去年10月率先向客户提供了英特尔傲腾数据中心级持久内存,并在今年早些时候宣布推出三个基于第二代英特尔至强可扩展处理器的全新虚拟机实例。
面向谷歌云Anthos的英特尔精选解决方案使用了最新的英特尔技术来提供更快的虚拟机重启速度、持久内存和可预测的性能,从而避免了代价高昂的宕机和升级。企业现在可以使用针对英特尔架构优化的Kubernetes而一次性创建和管理现代化混合应用,即可在任何地方运行,无论是在公有云还是本地。
面向谷歌云Anthos的英特尔精选解决方案包括两种配置:基础配置规定了要求的最低性能和功能,Plus配置可实现更高的性能。客户可以在这两种配置的基础上进行升级或扩展,以获取额外的容量或性能。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。