【2021 年 3 月 15 日加州圣何塞讯】Super Micro Computer, Inc. (Nasdaq:SMCI) 为企业级运算、存储、网络解决方案和绿色计算技术等领域的全球领导者,宣布推出目前业界中支持AMD EPYC™ 7003系列处理器的最完整服务器产品系列。 Supermicro 的 SuperBlade 在 SPECjbb 2015-Distributed 上的 critical-jOPS 和 max-jOPS 测试中接连获得破世界纪录的基准分数。 SuperBlade 从AMD EPYC CPU1第二代到第三代效能提升多达 36%,如此惊人的升幅可满足效能要求极高的企业工作负载。
Supermicro A+ 系列产品包含结合单路和双路系统解决方案的服务器,这些解决方案旨在缩短获取结果所需的时间,还能提高商业决策的效率。 例如,最近发布的全新2U 2节点多GPU服务器为适用于视频串流、高阶云游戏和无数社交网络应用程序的理想平台。 其拥有领先市场的系统灵活性,还能节省成本,可提供不间断的效能。 Supermicro 采用创新的服务器设计,可在降低所需功耗的同时保持领先业界的性能,奠定应用程序优化服务器的基础,让现代化企业能降低成本,并提升用户体验。
Supermicro 执行长暨总裁 Charles Liang 表示:“Supermicro 在设计和制造大规模的应用程序优化服务器组合方面一直处于行业领先地位,能够满足客户的需求。我们的building block架构让我们能推出多功能的系统产品组合,无论是适合云游戏具备 PCIe 4.0 的 2U 2 节点 GPU 系统,还是适合储存应用的 2U CloudDC 单处理器高核心数系统,都能使第 3 代 AMD EPYC 处理器发挥最大优势,满足特定的工作负载。 这些系统可降低总体拥有成本 (TCO) 和总体环境成本 (TCE),这是一项重要指标,因为我们所有人都有责任将数据中心对环境的影响降至最低。”
全新第3代AMD EPYC 7003系列处理器采用「Zen3」核心设计,每周期2指令数比前一代产品多出19%,且每插槽可包含多达64个核心,能在许多常见的基准测试和实际工作负载中展现卓越效能。 Supermicro 的全新系统包含一系列运算及存储系统,是专为 AI、高效能运算(HPC)、企业和云端部署中最高要求的应用程序所设计。
AMD EPYC 产品管理部企业副总裁 Ram Peddibhotla 表示:“我们设计 EPYC 7003 系列处理器的目的,是为我们的客户提供所需的一切、适合所有工作负载的效能,让客户开箱即可使用,有更多时间实现价值。EPYC 7003 系列处理器凭借领先的架构、效能和现代化安全功能,将是客户的绝佳选择,并继续提升现代化数据中心的标准。 ”
搭载 AMD EPYC 7003 系列处理器的全新 A+ 产品系列可协助顶尖企业缩短为各种应用程式提供解决方案的时间、加入强化的安全功能,并允许所有工作负载在云端、内部部署或私有云中执行。 Supermicro 已对许多解决方案和参考架构进行认证,能让组织轻松部署,以前所未有的速度从其数据中获得深入见解。这些解决方案包括:人工智能(AI)/机器学习(ML)/深度学习(DL)训练推论工作负载优化、认证服务器、超融合式基础设施(HCI)/软件定义的基础架构(SDI),如VMWare vSAN、RedHat CEPH和Weka.IO等软件定义的存储。 Oracle 19c、Apache Hadoop和Cassandra等数据管理,以及Ansys Fluent、OpenFOAM和WRF等高效能运算应用程序优化,全都能发挥更优异的性能。
A+产品组合,Supermicro 主题演讲和虚拟展位 - 3 月 17 日
Supermicro 将设立一个虚拟展位,由高级副总裁主持一场主题演讲,针对适用于现代化数据中心应用程序和工作负载的最新 AMD 产品和技术进行产品展示。 这场虚拟体验将让 Supermicro 的产品专家和技术领导者齐聚一堂,一同讨论云、AI 和存储工作负载在性能和效率上的跃进、现代化数据中心的趋势,并以交互方式展示我们的最新产品
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。