英特尔和Lightbits Labs已经达成了关于改善数据中心性能和盈利能力的战略合作。

英特尔近日表示,双方将开发适用于数据中心的存储解决方案,特别是那些解决由磁盘容量不足和性能问题导致总拥有成本(TCO)问题的系统。
影响总拥有成本的因素包括能耗、冷却要求、位置和设备选择。通常,降低数据中心成本的手段和减少浪费、缩短劳动时间、回收或恢复闲置磁盘容量(已经分配但未使用的存储)有关,否则这些存储将无法供应用使用。
英特尔和Lightbits Labs将携手合作,共同设计减少磁盘限制容量的技术解决方案,并启动投放市场相关计划。
两家公司将研究如何整合英特尔硬件和Lightbits的LightOS(一种“可分解的NVMe/TCP软件定义存储,性能接近本地闪存”的解决方案)设计,让数据中心所有者从中受益。
LightOS NVMe over Fabrics TCP (NVMe-oF/TCP)存储解决方案已经通过了英特尔以太网800网络适配器系列的测试,目前已有新系统将结合LightOS、英特尔Optane内存、基于QLC的3D NAND SSD、英特尔至强处理器和以太网800网络适配器。
英特尔表示,将LightOS与英特尔硬件结合使用,将为客户“大大提高存储效率,减少利用率不足问题,同时保持与现有基础架构的兼容性”。
英特尔也将投资Lightbits Labs,但协议的财务细节尚未披露。
英特尔副总裁、数据平台集团首席战略与业务开发官Remi EL-Ouazzane表示:“数据中心正在转型,资源的分解和可组合性对于满足解决数据爆炸所需的效率要求至关重要。我们的差异化硬件功能与Lightbits创新的NVMe over Fabrics软件相结合,将为我们共同的客户提供一种非常经济实惠的解决方案。”
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。