云计算服务正在以前所未有的速度在各行各业快速普及,成为IT应用的最主流实现形式。与此同时,云计算技术也在快速的演进迭代。云原生、裸金属、软硬一体虚拟化技术层出不穷,混合云、多云融合、边缘计算让云服务部署形式更加多样。作为最重要的云基础设施,服务器也必须与时俱进,持续迭代创新,以更好地支撑、驱动这些业务的发展。
为此,新一代自研京东云服务器应势而生,并将于2021年4月上线。让我们先睹为快,一起揭开它的神秘面纱!

第二代京东云服务器
第二代京东云服务器的设计理念源于京东自有大规模云数据中心的建设和运营经验,同时担负京东集团内部应用支撑,以及京东云对外服务,京东云服务器必须能够提供很高的业务稳定性、灵活性,在大规模部署的情况下实现高效运维,同时还要保持极佳的性价比。
综合优化应用性能 性价比大幅高于传统设备
无论是京东集团内部应用,还是京东云公有云服务,都需要大量的设备来提供计算、存储资源。因此,京东科技旗下品牌京东云一直在探索如何进一步提高应用的性能,获得更高的业务性价比。
为实现这一目标,京东云在第一时间实现了对业内新技术的支持。无论是最新的处理器技术,还是固态存储、非易失性内存、异构计算、硬件卸载加速,京东云服务器均率先进行适配,从而让内外部客户能够在第一时间收获这些新硬件技术带来的性能提升。而且,京东云还与部件厂商在规格定义、供应模式等多方面进行定制合作。例如,与芯片厂商深度合作,通过早期联合PoC、SKU定制等手段,成功使得京东云服务器的云实例承载能力比同价格的标准品提升2倍以上。
行业领先的系统设计创新
在系统设计上,京东云也在积极探索创新。为了进一步增加单机云实例的承载量,以及容器应用的性能,未来的处理器将具有更多核心数、更高主频,这也带来了更高的发热量。第二代京东云服务器为这一趋势预留了风液混合散热系统设计。通过液冷对处理器等高功耗模块散热,硬盘和IO卡等低功耗模块继续采用风冷散热,从而兼顾了性能、可维护性以及性价比。第二个例子,随着硬盘的容量越来越大,磁盘内的盘片、磁头、存储区的密度越来越大,对于外部环境的振动、噪声的敏感度就越来越高。第二代京东云服务器采用了“硬盘前置,风扇后置”的系统架构,最大程度的拉开风扇和硬盘之间的距离,从而有效的降低对硬盘的影响。在与硬盘厂商的联合实验室测试中,这一设计可以显著降低磁盘的读写失误,从而显著提高磁盘性能。

风液混合散热及硬盘风扇分离设计
模块化设计 灵活兼顾多种部署方式
分布在全国各地的多个京东云数据中心,其中既有京东云自行设计并且建设的、设备承载能力很强的新机房,也有很多沿袭下来的租用、合建、定制机房,每个机房基础设施条件不一样,所以,服务器必须既可以在老旧机房中部署运行,也能够充分发挥新建机房高密度、高承载力的优势。
在此之前,业内也推出了针对大规模部署优化的整机柜式服务器。然而,这些整机柜服务器与通用服务器相比,无论从内部设备的尺寸,还是供电和散热方式,都有很大的差异,因此老旧机房、新老设备混杂部署的机房,很难采用此种方案,这些设计精良的“高端武器”,只能被部署在近期新建的数据中心中,严重的影响了上层业务的灵活性和动态迁移能力,也限制了这类设备的应用推广。第二代京东云服务器通过“标准化,模块化”,尝试解决这个问题,从而提高多场景适应能力。

灵活电源设计

前后IO灵活设计

京东云机柜级微模块数据中心(Rack-MDC)
高效易运维 为大规模部署而生
大规模云计算应用意味着海量设备数量,以京东零售为例,日常在线的服务器数量就有数十万台。如此多的设备,日常的能耗以及运维开销十分可观。第二代京东云服务器的整机柜设计,在改进效率和简化运维方面,也实现了很多针对性优化。

京东云整机柜服务器
第二代京东云服务器是继第一代服务器“微定制”之后,基于内部多样化海量业务需求,以及京东云各行业客户需求,自主研发与深度创新的新一代云服务器基础架构,通过系统架构设计创新、核心部件创新,实现了高效、灵活、高性价比的目标。后续,京东云还将把这些自研创新成果,通过开源社区回馈给行业,为IT行业的创新发展做更多贡献。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。