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
巴克莱银行与 Microsoft 签订协议,将 Copilot 集成到内部生产力工具中,为全球 10 万员工打造一站式 AI 平台,提升工作效率。
这项由台湾大学与微软研究团队合作的研究探索了使用音频感知大语言模型(ALLMs)作为自动评判员来评估语音生成模型的说话风格。研究设计了"语音风格指令跟随"和"角色扮演"两个任务,测试了四种语音模型的表现,并比较了人类与AI评判的一致性。结果表明,特别是Gemini-2.5-pro模型,其评判结果与人类评判的一致性甚至超过了人类评判者之间的一致性,证明ALLMs可以作为可靠的自动评估工具。同时研究也发现,即使是最先进的语音模型在说话风格控制方面仍有显著改进空间。
思科调查全球逾8065名高级IT及业务领导发现,拥堵、网络攻击和配置错误引发的网络故障每年可能使企业损失达1600亿美元。为迎接AI、IoT和云环境的挑战,现代网络必须更智能、更安全、更灵活。
卡内基梅隆大学研究团队提出全新"Kinetics"缩放定律,揭示大语言模型测试阶段的资源分配策略需要重新思考。研究发现小型模型效率被严重高估,因为以往研究忽略了内存访问成本这一关键瓶颈。在测试阶段,注意力机制而非参数数量成为主要成本因素。基于此,团队提出以稀疏注意力为核心的新范式,显著提升问题解决准确率,在AIME测试中低成本场景下提升高达60个百分点,高成本场景下仍有5个百分点优势。