戴尔科技集团宣布推出新的解决方案,以帮助客户适应不断变化的数据,并通过部署在传统数据中心之外的边缘的数十亿台设备,获得最及时且有价值的数据。客户通过使用一系列的新产品,包括新的边缘服务器设计、更小的模块化数据中心、增强的遥测管理和数据流分析引擎,不管数据存放在哪里,客户都可以更好地实现其数据的价值。
根据Gartner公司的研究:“到2022年,企业数字业务产生的数据中,75%的数据将在传统的集中式数据中心和云以外的地方创建和处理,这个数字在今天甚至小于10%”
戴尔科技集团基础架构解决方案事业部总裁Jeff Boudreau表示:“随着我们进入下一个为期10年的数据阶段,我们面临的挑战将发生变化:从跟上数据量增长转变为通过网络边缘获得的多种类型的数据和接触点,到核心数据中心和公有云获得有价值的见解。我们提供的产品组合旨在帮助客户突破边缘运营的限制,并提供分析以帮助他们获得更出色的业务见解,且无论他们的边缘在哪个位置。”
尽管“边缘”有多种定义,但我们应该对其有一个整体概念:边缘并不单指某个地方,而是由一系列特征和约束定义而成,包括带宽、IT技能、安全性、操作环境、空间和电力。成功的技术领导者在重新考虑应用程序和基础架构的位置,让它们尽可能靠近数据创建点,以降低延迟并加快响应时间。这样,边缘的实时洞察就能提供决策信息并提升竞争力。
戴尔科技集团现提供以下系统和软件,以帮助客户在边缘环境中应对各种机遇和挑战。
新款Dell EMC PowerEdge XE2420是一款外观小巧、深度优化的高性能服务器,其设计专门针对边缘部署中经常遇到的空间有限且操作条件不佳的情况。举例来说,该系统为电信客户提供了构建边缘网络所需的性能、可用性和安全性,这对于5G的实施至关重要。
Dell EMC PowerEdge XE2420搭载低延迟双插槽系统,可灵活支持多达四个加速器和92TB存储容量,以应对不断增长的业务应用需求。该服务器专为应对恶劣环境而设计,它通过了NEBS(Network Equipment-Building System网络设备制造系统)认证,能够在更大范围的温度下正常运行,并针对多尘场所提供选配的过滤挡板。此外,该服务器采用前置式输入/输出和电源,以方便现场维护。
这一外形更为小巧的新款Dell EMC模块化数据中心 Micro 415 (MDC Micro)针对客户特定需求而设计,提供了预集成的企业级数据中心IT、电源、冷却和远程管理,其整体尺寸比一个停车位还短也更窄。它帮助客户能够将完整的数据中心部署到原本被认为不适合用作数据中心的位置,例如电信蜂窝塔的底部。MDC Micro为边缘环境的IT设备提供增强的物理保护,包括耐高温的外壳和带锁的门,以及烟雾探测仪和灭火配件。
最新的戴尔远程访问控制器iDRAC 9数据中心版包含嵌入式管理技术,为所有Dell EMC PowerEdge服务器增加了流数据分析功能,这对于理解边缘操作至关重要。iDRAC 9数据中心版可帮助客户满足在边缘环境部署、安全和操作的要求。该款服务器具备远程部署功能,相较于手动部署,它在初始设置后可将每台服务器的管理员管理时间减少高达99.1%。借助iDRAC9的流式遥测技术,客户可以发现趋势、微调操作并创建预测性分析,以帮助确保峰值性能、减少停机时间并预防风险。
该软件具备简化的全新自动化认证启用功能,旨在边缘和中心位置提供零接触式安全性能。通过多达20份新的指标报告,每台服务器可提供近290万个数据点,客户IT部门可利用AI运营根据其要分析的特定数据来开发自定义程序,这些特定数据针对的是一个或全部支持iDRAC9的系统,无论这些系统部署在何处。
新的 Dell EMC流数据平台能够从边缘提取和分析流数据。客户现在可通过此平台来简化基础架构管理以获得关键的业务洞察,并专注于改善其数据基础架构的新机会。
新的企业级的平台为所有客户的数据(无论是否为流数据)提供了一个解决方案,该解决方案提供了弹性的数据提取、分层存储及按需回溯历史数据功能、以及针对实时和历史业务洞察的统一分析。
IDC边缘战略研究总监Dave McCarthy表示:“对于想要获得商业洞察和竞争优势的绝大多数企业而言,边缘计算将成为一项关键要素。戴尔科技集团提供十分广泛且全面的边缘计算产品,但最让人印象深刻的还是该公司如何看待数据的位置以及现代应用与其所在平台之间的关系。”
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。