日前,浪潮商用机器有限公司(简称:浪潮商用机器)宣布,旗下K1 Power服务器系列产品经过几十项基础功能和高可用功能用例的专业测试,与腾讯新兴国产分布式数据库TDSQL完美兼容,且性能优异,可进行顺利的部署、平稳的运行及对外提供服务。此次互认证的完成,为未来双方面向分布式计算、大数据和AI等领域进行深度战略合作奠定了技术基础,将助推创新型应用的敏捷开发,加速创新市场发展。
Power架构和腾讯可谓渊源颇深,早在2016年,腾讯云就在Power技术的支持下,创造了Sort Benchmark大赛的四项世界纪录,在大数据分析和应用管理领域展现出了世界级性能,腾讯也在其不断增长的云数据中心批量部署了Power服务器,支撑其云和大数据等众多业务。2019年8月,浪潮商用机器和腾讯云TStack云平台完成互认证,既丰富了腾讯云TStack在关键业务和平台架构选型上的选择,又使得浪潮商用机器基于Power性能优势和腾讯云增值的软件能力等,进一步拓展完善了开放的Power云生态。
此番,浪潮商用机器和腾讯在新兴国产分布式数据库TDSQL完成互认证,双方合作进一步深入,旨在为更多行业客户创造更大的商业价值。当前,数据库已成为信息基础设施的核心技术和重要基础之一,国产数据库经过十数年发展也已渐趋成熟,推动产业进入业务创新与底层技术架构转型升级融合发展时期。
TDSQL是一款腾讯自研的金融级分布式数据库产品,在国产数据库领域屡次率先突破,包括助力微众银行搭建首个全行级互联网银行核心系统,以及助力张家港农商行实现传统核心系统数据库首次国产化等。作为一款自主可控的数据库,TDSQL可以提供公有云、专有云两种部署方案,以及关系型数据库实例、分布式数据库实例、分析性数据库实例三种实例。凭借互联网高性能、高安全性、金融级高可用、数据强一致、良好的扩展性、便捷的运维等诸多优势,腾讯TDSQL能够为用户提供完善的金融级分布式数据库管理系统服务,以及覆盖事前、事后全维度的安全保护。目前,TDSQL已经为超过500家金融政企客户提供数据库服务,覆盖银行、保险、证券信托、互联网金融、第三方支付、计费、智慧零售、物联网、政务等多个行业,拥有大量分布式数据库最佳实践,广泛助力传统行业机构降本增效、实现数字化转型。
与此同时,浪潮商用机器K1 Power服务器凭借巨大的数据吞吐、高数据一致性、频繁的并发访问能力等性能优势,以及高可靠等特性,是企业关键业务核心系统的首选支撑平台,支持关系型数据库、内存数据库、关键应用负载、一体化业务及OLTP/OLAP混合应用等对系统性能要求严苛的核心关键应用的需求,保障业务稳定高效运行。
浪潮商用机器K1 Power服务器不但在传统的商业数据库领域处于领导地位,在新兴分布式数据库、大数据、AI等创新应用领域同样优势明显。凭借单CPU核心并发4/8线程和多种异构加速技术,以及支持PCIe4.0接口带来的更高的I/O带宽和更低的访问延迟,K1 Power在网络、分布式存储等方面拥有2倍以上的性能优势;同时在与TDSQL的适配中,Power架构的多线程高带宽优势明显,在复杂查询等众多场景可达翻倍性能。通过单机性能更高的K1 Power服务器,可以用更少的高性能节点支撑更多分布式业务或支撑更多云数据库实例,在提高资源利用率、节省空间电力成本等方面表现优异,能够帮助客户获得更高的整体性能,为未来双方在大数据、AI和分布式计算等方面进行深度战略合作奠定了坚实的技术基础。
“新基建”战略的推行将拉动以数据中心、智能计算中心为代表的算力基础设施市场的发展,而5G、工业互联网等则将使数据量呈指数级激增,一方面带动了大量的分布式存储等创新应用需求,另一方面,数据结构的更加复杂也使得数据存储、数据调用和分析的难度增大,对相关基础设施设备的性能提出了更高的要求。
秉承浪潮在高端服务器的技术积累和研发优势,浪潮商用机器发扬了K1 Power服务器传统的高可靠、高可用、高性能以及高速带宽优势,在支持国内主流分布式数据库及主流开源数据库在众多场景都有翻倍的性能提升,单机可承载上千虚拟机或过万容器,能够满足企业多种计算和存储需求,成为企业创新应用的首选平台。浪潮商用机器和TDSQL完成互认证,双方优势互补,强强联合,以满足互联网应用的兴起及分布式创新应用部署的快速增长需求为契机,将进一步改写创新应用市场格局。
浪潮商用机器有限公司总经理胡雷钧表示:“浪潮商用机器将秉持开放、国产、协作的理念,致力于Power技术的开放和本地化自主研发,以更好地满足客户需求。与中国领先的腾讯TDSQL实现互认证,对于浪潮商用机器进一步拓展市场、打造全栈国产生态意义重大。未来,浪潮商用机器将继续以进取、创新、务实的姿态,携手数据库、中间件、操作系统等产业链各领域合作伙伴,进一步挖掘Power技术潜力和优势,做大做强Power在中国的技术生态,构建核心竞争力。”
好文章,需要你的鼓励
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。
华中科技大学和香港中文大学研究团队提出SATORI-R1,一种通过空间定位和可验证奖励增强多模态推理的新方法。该方法将视觉问答任务分解为图像描述、区域定位和答案预测三个可验证阶段,解决了自由形式推理中注意力分散和训练收敛慢的问题。实验证明,SATORI-R1在七个视觉问答基准上一致提升性能,最高达15.7%,并展示出更聚焦的视觉注意力和更低的训练方差。