数据中心基础设施厂商思科、戴尔和联想今天都宣布升级服务器产品线,采用英特尔第三代Xeon Scalable处理器。

今天发布的芯片都是基于一个增强的架构,据称该架构提供了面向一系列数据中心工作负载的内置加速功能,以及诸如Software Guard Extensions和Total Memory Encryption等高级安全技术,此外还封装了最新版本的英特尔Optane永久内存模块。
思科表示,第三代英特尔Xeon Scalable芯片将为自己的新一代统一计算系统服务器提供动力,这些服务器专为“日益复杂的混合云环境”设计。目前思科已经公布了三款新型号,包括Cisco UCS B200 M6、C220 M6和C240 M6服务器,可提高性能、增强安全性、提高VDI、数据库、人工智能、机器学习和大数据等工作负载的效率。
思科表示,所有这些新服务器都原生集成了思科Intersight混合云操作平台,该平台主要用于大规模管理数据中心工作负载。思科称,这一集成是思科的一项关键优势,让客户能够通过Intersight平台基于策略的管理功能更轻松地在英特尔芯片上部署最新特性。思科称,客户可以提前调用PMem内存策略,以避免单独启用每一项新功能的繁琐操作。
思科表示,预计Cisco UCS B200 M6、C220 M6和C240 M6服务器将在90天内上市。
戴尔的新服务器产品组合中主要包括旗舰级Dell EMC PowerEdge R750,该服务器旨在运行包括VDFI和数据库分析在内的各种业务应用。戴尔表示,英特尔的新芯片让R750的性能比上一代Dell EMC PowerEdge R740.1服务器提高了43%。
戴尔服务器产品线中的其他新型号中,包括一个旗舰产品的修改版本Dell EMC PowerEdge R750xa,主要用于AI、机器学习和高性能计算工作负载,以及主要用于大规模运行软件容器的Dell EMC PowerEdge C6520。
“戴尔和英特尔这一强大的组合,将为您提供一个可以充当创新引擎的IT基础:随时准备以当今最高速度推进您的业务发展,并在市场需求旺盛时迅速调整档位,”戴尔产品管理高级副总裁Travis Vigil表示。
戴尔表示,这些PowerEdge服务器芯片将在第二季度上市,可通过Flex on Demand付费即用模式进行购买,从而让客户能够根据需要纵向扩展容量,并且仅按使用量进行付费。
联想方面,将发布一个新的ThinkSystem产品线,以一款面向大型企业和云提供商的 ThinkSystem SR650 V2服务器为首,专为“速度和扩展设计,具有针对业务关键型工作负载的灵活存储和I/O”。
还有ThinkSystem ST650 V2系统,体积更小,专为远程办公室和分支机构设计。联想还发布了四款集成了联想Neptune散热技术的服务器,主打低功耗,最高端的是ThinkSystem SD650 V2。最后联想承诺,很快将会推出基于英特尔新芯片的“高度坚固型边缘服务器”,以支持电信、制造业和智慧城市等场景。
联想副总裁、基础设施解决方案事业部总经理Kamran Amini表示:“我们的下一代ThinkSystem Server平台在性能、安全和效率之间实现了独有的平衡。结合联想在安全性、水冷却技术和即服务式经济性方面的创新,我们将让客户能够使用第三代英特尔Xeon Scalable处理器加速和保护各种工作负载。”
联想表示,客户将可以通过Lenovo TruScale Infrastructure Services直接购买或以“即服务”的方式购买这些ThinkSystem服务器新品。
好文章,需要你的鼓励
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
这项由ETH苏黎世等机构发表的突破性研究首次系统性揭示了优化器选择对AI模型量化性能的重大影响。研究团队发现传统的异常值理论完全失效,并开发了革命性的ABC分解框架来准确预测量化后性能。实验证明Shampoo优化器在量化场景下表现最优,该发现为AI模型的实际部署提供了重要指导,有望让AI技术在资源受限设备上发挥更大作用。