8月14日,在第八届中国电子信息博览会(CITE2020)上,专注精细定制服务器厂商——宁畅信息产业(北京)有限公司(以下简称“宁畅”)展出了其搭载新一代Ampere架构A100的X640系列AI服务器。
宁畅介绍,X640服务器支持 8个NVLINK或8个双宽或16个单宽GPU,兼顾超强算力,极高存储以及强大数据交换能力,可通过硬件链路重新布局以实现灵活GPU拓扑结构,并针对不同应用场景和模型进行GPU互联优化,为用户构建高效计算平台。
除新产品发布外,宁畅副总裁魏冰清透露,随着宁畅与上下游产业链近百家伙伴企业的深入合作开展,宁畅已实现产业链“全面合作布局”,在保障按需快速交付产品外,可超前满足IT企业对服务器的更新换代需求。
宁畅产品负责人表示,X640服务器中采用的Ampere架构A100 GPU作为第三代Tensor Core核心速度更快、灵活性更高、更易于使用,服务器性能可达每秒4亿亿次,同时通过新一代NVIDIA NVSwitch技术实现GPU间P2P通信性能翻倍提升最高达600GB/S。
设计方面,X640服务器支持高强度GPU计算,均衡分布CPU与GPU处理能力,P2P模式下8个专业卡互连,优化深度学习训练效率。高密度码流处理模式下,16个推理计算核心同时接入,实现百路以上高清处理。
在GPU满足客户需求情况下,宁畅X640仍有丰富PCI-E接口用于网络和其他IO扩展,十万兆以上TCP/IP网络接入,二十万兆IB网络接入以及分布式存储,为高端计算平台提供高速传输和数据存。
最为关键的,宁畅X640服务器,可依据用户需求提供深入定制化生产服务。透过宁畅CDSPD产品开发模型,在成熟通用服务器平台基础上,提供四维一体客户定制化服务体系,降低用户AI服务器的总体拥有成本(TCO)至少10%。
对于新品X640服务器何时可交付用户,宁畅介绍已有多家知名互联网企业正将X640列入采购计划。
“宁畅与上游伙伴企业的合作非常深入,凭借自身定制能力,从用户提出批量需求到最终产品交付,通常不会超过10天。”宁畅副总裁魏冰清还透露,除与英特尔、英伟达等关键部件企业已签订基于业务、技术、市场等一系列协议外,宁畅已与近百家服务器产业链伙伴企业展开深入合作。
“对宁畅这意味着,我们已步入快速产品交付与迭代阶段。对用户,宁畅不仅能按需大批量快速交付定制化服务器产品,还可根据用户未来发展需求,超前为IT企规划产品路线,以满足用户算力以及业务的需求。魏冰清说,“具体一点说,像深圳这样拥有众多IT企业的城市,宁畅一家公司就可以满足深圳当前以及未来三年服务器产品的更新与换代需求。”
魏冰清还介绍,宁畅虽然是比较新的公司,但公司核心团队成员在行业内经验积累平均已超10年。成熟的产品架构,完善的研发、产品、测试与质量体系与平台,可使宁畅与上下游各合作伙伴实现紧密合作。“例如,要测试一款BMC管理版本的升级迭代,传统需要14天,而我们可借助自动化测试平台缩减至3天,成熟的技术优势可以使服务器的开发、迭代以及定制化工作得以高效开展。”
目前,为进一步降低定制化需求用户的总体拥有成本(TCO),宁畅推出了“尊享定制Club”计划,将为“尊享定制Club”会员提供包括产品、开发、项目、服务在内的专属服务体系。根据计划,宁畅将为铂金会员提供包括专职技术经理、新技术全开放、免费测试用机在内的千万级资源。
好文章,需要你的鼓励
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
Hammerspace发布v5.2数据平台软件,通过更快的元数据读取、更好的数据放置和扩展性优化提升AI数据访问性能。新版本IO500总分提升33.7%,总带宽翻倍,IOR-Hard-Read测试提升超800%。增加了Tier 0亲和性功能,支持GPU服务器本地存储访问,减少集群内网络流量。新增Oracle云支持、Kerberos认证和标签化NFS,提供更细粒度的访问控制。该软件将于12月正式发布。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。