开放计算项目Open Compute Project(OCP)近日公布了进入第二个十年的战略,未来将致力于开放芯片设计,以及在光网络、人工智能和浸入式冷却方面的创新展开更多工作。

OCP成立于2011年,当时Facebook公司决定共享他们用于实现大规模的同时、实现更高效氯的硬件和数据中心基础设施设计。
Facebook此前已经注意到其他一些超大规模企业的并行项目,但认为,所有人都可以通过共享设计而不是单打独斗而受益。英特尔、Rackspace、Goldman Sachs和Andy Bechtolsheim很看好这个想法,并在2011年4月成立了Open Compute Project,其中包括了Open Compute Project Foundation开放计算项目基金会。
OCP的成员快速增加,像广达(Quanta)和浪潮(Inspur)这样的大型硬件制造商很乐于制造符合OCP标准的设备,并将其出售给其他成员公司,以及任何接受这种针对大规模环境设计的硬件的公司。
客户并不急于使用OCP硬件。上周OCP发布的白皮书中详细说明了他们的预估称,云运营商采购的服务器中有近90%都采用了开放设计,而企业用户只占不到10%,通信服务提供商占剩余的部分。OCP预测说,到2025年,企业销售额将占开放式设计服务器市场的10%。
这些数据中包括了所有开放式设计,因为OCP也是有竞争对手的。例如,阿里巴巴、百度、腾讯和其他一些中国超大规模企业参与了另一项由竞争对手设立的开放数据中心委员会(Open Data Center Committee),而LinkedIn和Equinix更喜欢2021年4月由Linux基金会设立的Open19项目。
不过,OCP已经取得了一些不错的成绩。一份涵盖了2019年前三季度的2020年2月市场影响评估报告发现,OCP硬件在服务器、存储、网络套件、机架、电源和相关外围设备的总支出中占36亿美元,相当于非OCP成员公司硬件总支出的2.5%。
虽然这个市场份额还很小,但同比增幅达到了40%,并且该报告预测到2023年OPC将占据5.5%的市场份额,并为厂商带来118亿美元的收入。市场分析公司Gartner也给出过类似的数据:Gartner 2021 Hype Cycle for Cloud Computing报告表明,云优化的硬件与1%-5%的采购方是相关的。
还有一件事情可以让我们了解OCP的最新情况。2020年9月,英特尔提名Rebecca Weekly作为OCP董事会的代表。Weekly是英特尔副总裁、总经理、超大规模战略和执行高级首席工程师。
2021年7月,Weekly成为OCP主席,上周她写了一篇题为“介绍OCP 2.0!”的帖子。
她写道:“虽然OCP将继续涵盖模块化硬件设计的所有方面……但是人们对开放硬件、小芯片、冷却和软件解决方案等前瞻性举措越来越感兴趣,这些举措将实现广泛的社区协作,通过生态系统来加速创新并实现规模化。”而OCP 2.0战略正是在这一趋势下孕育而生的。
OCP 2.0有两个目标,首先是“Meet the Market(满足市场)”,有四个目标:
第二个目标是“Seed Future Innovation(孵化未来创新)”,目标如下:
Weekly写道:“OCP战略进化之旅以及OCP 2.0框架的目标战略令人感到兴奋。将COP社区的重点转型不仅仅面向现有市场需求、还帮助推动未来开源硬件创新,这对于整个IT业界的成功来说是至关重要的。”
开放创新当然对科技行业至关重要,OCP已经证明了它的贡献对超大规模企业是非常重要的,而是否可以开始制定更广泛的愿景,还有待观察。
最后,Weekly充满希望(而非充满自信)地说:“我期待看到我们将通过新定义的OCP 2.0将实现什么,以及未来十年开放计算将会是这样的。”
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。