零售巨头Target日前加入开放计算项目,旨在为边缘计算设计做贡献。
开放计算项目(OCP)最著名的项目是针对超大规模数据中心的硬件设计,而边缘计算则可能代表该项目的一些开放领域。
Target首席信息官Mike McNamara在公司的ICONN信息云会议上表示,Target公司是第一家采用OCP的大型零售商。Target也在硬件架构上采用了OCP标准,并在旗下数据中心、配送中心和商店部署了OCP认证的硬件。
McNamara在主题演讲中表示,Target旗下堆栈的硬件和软件方面都开源。Target足迹是分布式的,可以影响网络和边缘计算里新的OCP用例。
McNamara说,“我们能够为OCP在运行边缘计算方面做出独特贡献。我们拥有2000个商店,每个商店都是一个小型数据中心。这种中心和一般数据中心的环境不同。我们能做的贡献是在边缘上而不是在数据中心开发计算。”
McNamara表示,边缘硬件设计需要具有弹性和可靠性。他说,"在商店里,如果你失去了一个服务器刀片,那么就是三分之一的容量。需求和要求是不同的。我们希望能从所有工作中受益并在未来为边缘做出贡献。"
Target在COVID-19大流行期间蓬勃发展, Target在2017年完成了几宗精明的收购后迅速转型为数字商务及多云架构和敏捷的开发模式,进而能够进入规模发展。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。