简讯:服务器新锐厂商宁畅,凭借在ODM领域创新以及全面研发实力入选第三期36氪“新基建创业榜”最具成长性创业公司TOP20。目前,宁畅已中标知名互联网公司6000万元项目,并成为Ucloud、深信服等知名IT领域公司主要服务器供应商,宁畅定制服务器产品已广泛应用于互联网、电信、云计算等行业,被誉为2020年服务器行业“新黑马”。
12月10日,wise2020大会上36氪发布了第三期“新基建创业榜”最具成长性创业公司TOP20,宁畅信息产业(北京)有限公司(以下简称“宁畅”)凭借在服务器ODM领域创新以及全面研发实力等优势,作为唯一服务器厂商上榜。
“新基建创业榜”是36氪从资本价值力、研发与创新力、产业影响力三个维度出发,经公开渠道报名、市场调研、分析师推荐等环节评选出,展现出这些未来产业“明星”的潜力和价值。该榜单2020年总计发布三期,有60家企业上榜。
宁畅是集研发、生产、部署、运维为一体的服务器厂商及IT系统解决方案供应商。目前,宁畅已中标知名互联网公司总标的近6000万元的2020年H2集采招标项目,并成为Ucloud、深信服等知名云计算公司主要服务器供应商,产品已广泛应用于互联网、电信、云计算等行业,被誉为2020年服务器领域新黑马。
创新ODM模式助新基建发展
当前“新基建”已成为我国经济发展热点,而新基建重点领域:数据中心、人工智能、5G基建、工业互联网等其建设、运行背后都离不开“服务器”作为基础计算单元。
面对“新基建”大潮,具有“智能运维”、“快速部署”、“高效性能”、“可批量交付”特征的服务器已成行业刚需。而传统通用服务器ODM、OEM管理体系已不能满足“新基建”背景下的产业发展需求。
为此,服务器新锐厂商宁畅凭借研发与产品团队多年积累,在行业内构建“精细定制开发体系”。实现服务器产品按需、精细化开发,满足数据中心、IT、以及电信等行业用户,对服务器架构、运维、软件、硬件等多维度定制需求。
该产品开发体系可分四个阶段,第一阶段:分析用户痛点、落地产品需求,设置开发流程;第二阶段:产品架构设计;第三阶段迭:代开发测试;第四阶段:维护与服务标准配置。
以宁畅中标深信服“2020下半年服务器需求采购项目”为例,在短时间内宁畅提供了包括外观、功能、BIOS、BMC等软件以及硬件超百余项定制服务,满足深信服的全面需求。
凭研发优势揽56项性能第一
宁畅介绍“精细定制开发体系”建立的背后,是宁畅所具备的完善产品、技术与工程技术平台。技术层面,宁畅工程师通过模块化、盘池化、功耗优化、部件状态管理、高速信号设计、系统集成测试、恶劣环境适应等技术模组,保障不同系列产品以及不同运维标准、使用场景下用户所定制服务器的稳定高效。
工程方面,依托超百项质量标准体系,以及覆盖超4万项用例测试的自动化测试平台等标准、流程规范,以及工具、装备,最终保障宁畅定制服务器的硬件功能稳定,电性能可靠,信号质量纯净。
产品方面,宁畅具有成熟的2U、4U、双路、四路通用机架服务器以及AI服务器。如宁畅R620系列2U双路机架服务器,不仅可为客户提供强劲计算力,还提供Intel DCPMM大容量内存、NVMe高速存储扩展能力,以及OCP灵活网络扩展,依托QAT、VNNI等多种计算技术,高效灵活适配不同业务场景需求。
2020年9月知名标准性能评测机构SPEC的CPU2017最新测试结果显示,宁畅R620 G30服务器在同配置性能中,在整数与浮点数、并发与单任务、基准值与峰值等6个维度共24项性能指标排名世界第一。
宁畅X640系列4U人工智能服务器,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,针对训练应用可支持8个GPU全速7×24h工作。针对推理应用,支持16个GPU提供在线大数据处理。
图说:宁畅X640系列AI服务器
2020年10月,AI基准性能评测平台MLPerf官网显示,搭载NVIDIA T4 /A100 GPU卡的宁畅X640 G30 AI服务器,在ResNet、BERT、DLRM等基准测试中取得30项性能第一。
宁畅在“服务器ODM领域”创新,短时间内吸引了国内众行业厂商关注,定制产品也得到广泛认可。如今,宁畅已成为深信服、Ucloud等国内知名IT企业的定制服务器主要供应商之一,产品已广泛应用于互联网、电信、云计算等行业,被誉为中国服务器领域2020年行业黑马。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。