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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。