为了满足AI、数据分析和高性能计算的飞速增长,数据中心正在迅速进化成为速度更快的、解耦的和软件定义的架构。
NVIDIA的网络事业部——Mellanox,正在通过对SONiC(Software for Open Networking in the Cloud,云端开源网络软件)的支持,来助推这一趋势。该开源网络操作系统基于Linux,能为超大规模数据中心提供厂商中立的网络连接。SONiC最初由Microsoft为Azure开发,现由OCP(Open Compute Project)管理,并已取得了其他云业务和企业用户的广泛关注。
SONiC针对大型数据中心的自动化与易扩展进行了优化,SONiC社区也得到了越来越多厂商和用户的支持。其开放性使得客户能够灵活地在各平台或供应商之间切换,而无需更改软件栈。,它的模块化、易扩展和容器化的设计,不但实现了快速功能更新,还能加速创新和降低成本。
我们在SONiC上投入巨大,是SONiC社区的前三大代码贡献者之一。用户已在运行SONiC操作系统的生产数据中心部署了11000多台的Mellanox交换机和35万多个Mellanox Spectrum交换机端口。Mellanox SONiC交换机的用户包括了全球主要的大型云平台和企业用户。
SONiC所具有的开放性和标准化的API(SAI——Switch Abstraction Interface),使用户可以根据其对网络需求来选择最佳的交换机芯片和交换机系统。Mellanox为SONiC提供了一流的硬件,可以在不中断业务的前提下进行软件升级、优化的RoCE(RDMA over Converged Ethernet)可加速GPUDirect和NVMe over Fabrics等应用,以及完全可编程的pipeline。端口共享缓冲能够为任意端口与端口速度的组合提供低延迟。我们先进的遥测解决方案,WJH(What Just Happened),完全支持SONiC,我们将在5月12至15日的OCP虚拟峰会上演示该解决方案。
Mellanox的Spectrum交换机支持SONiC和Cumulus等多种网络操作系统,并且为了便于连接到企业级Azure Stack和Azure云平台的虚拟化和裸金属数据中心的服务器,Microsoft Windows Server已经内置Mellanox ConnectX NIC的驱动程序。
Mellanox是首家为企业级SONiC提供完整的ASIC至Protocal(A2P)支持的网络供应商。 Mellanox将为预装其SONiC的用户提供相关的培训和A2P的全套支持。
SONiC的客户主要是一些云公司和企业用户,开源网络操作系统的灵活性对他们而言至关重要。请参看以下部分客户的评价及权威分析公司的观点:
微软Azure Networking副总裁Yousef Khalidi表示:“我们欢迎不断壮大的SONiC开源社区,包括广泛的服务提供者和交换机供应商等如Mellanox,对SONiC提供支持、贡献代码并已量产使用。SONiC是一个解耦式的开源网络操作系统。它能帮助数据中心加速创新、快速部署和实现大规模的网络自动化。它已成为Microsoft Azure基础架构的重要组成部分。”
总部位于上海的全球数据中心构建商UCloud,为客户提供各种云服务,充分利用了开源网络操作系统的优势。该公司网络总监Marcus Chen表示:“Mellanox一直以来都是开源以太网技术的先行者,而SONiC则是一个重要的里程碑。云运营商现在可以摆脱供应商的限制并通过构建定制化的基础架构来满足当前和快速发展的客户需求。”
行业分析公司IDC数据中心网络研究副总裁Brad Casemore表示:“ IDC已经通过一些全球大型IaaS云供应商对开源SONiC网络操作系统日益增长的采用率进行了密切追踪。现在,SONiC除了被应用超大规模数据中心之外,还被越来越多的2级云供应商、甚至一些大型企业所采用。Mellanox对SONiC的支持(包括达到35万个交换机端口的标准),为SONiC当前和潜在用户提供了进一步的保证,他们的解耦式数据中心网络将具有满足未来需求所必需的灵活性、性能和可扩展性。”
对于那些有意向尝试SONiC或其他开源以太网系统的用户,Mellanox为他们提供了多代的Mellanox Spectrum系列以太网交换机和各种网络软件解决方案,还可以为特定的使用Spectrum和SONiC的数据中心用户提供全套支持,这是其他任何以太网交换机供应商目前都无法提供的。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。