超算新势力 青云科技上线 EHPC 让算力更自由
北京,2020年11月23日——
企业级 ICT 服务商青云QingCloud 日前举行发布会,宣布QingCloud EHPC 服务正式上线。QingCloud EHPC高配 CPU/GPU 异构计算,存储 GP 级吞吐、百万级 IOPS,网络高吞吐、低延时可达 100 Gb/s,300+ 应用软件……以超高算力、超低成本、超多软件、超优服务,让用户快速获取超算服务,更专注于业务。
青云弹性高性能计算(QingCloud EHPC)基于青云云基础设施,为用户提供部署在公有云、专属云、混合云上的多种产品形态,面向科研机构、高校教育、工业生产、行业计算等用户提供弹性灵活、快捷高效、安全可靠的超算服务,应对生命科学、CAE仿真、海洋气象、影视渲染、石油勘探、深度学习、测绘地理等应用场景的高性能计算需求。
除了具备云平台架构的弹性优势,QingCloud EHPC 在计算、网络、存储上具有行业领先性。CPU 单节点计算峰值达 86.4 Gflops,GPU 高配 NVIDIA A100;采用专用IB网络,计算节点与节点之间、计算节点与存储之间都能够高速通信;以 Lustre 商用版本提供专业分布式文件存储。
QingCloud EHPC 集群系统构成示意图
同时,QingCloud EHPC 不仅提供300+ 应用软件,拥有专业的HPC软件维护团队,还支持用户自定义安装应用软件,真正做到应用无限制。专业应用软件覆盖工业仿真、生命医药、汽车制造、人工智能、高校科研、影视渲染等多个领域,提供多种应用场景,满足不同人群的计算需求,节省大量配置时间。
QingCloud EHPC在资源管理方面,采用图形化展示,让用户一目了然地了解账户资源的使用情况;在资源使用便捷性方面,即开即用的资源及作业队列服务,与云平台其它产品和服务整合打通,消除了用户对其他资源使用的等待时间和生产力损耗;在网络安全方面,基于公有云平台的安全管理机制,实现从租户隔离、应用隔离,到基于底层硬件的可信计算,充分确保用户数据安全不泄露。
在产品形态和规格方面,QingCloud EHPC 提供两种服务模式,即HPC 共享集群模式和EHPC 服务模式。
两种服务模式
HPC共享集群模式,用户将作业提到共享队列中,平台提供 400 节点的共享队列,资源量大,免排队,内置作业调度系统,通过登录节点提交作业到共享队列,根据作业实际使用的核心数和时长进行计费。
EHPC专属集群模式,用户可以自己创建/删除/修改集群,集群的管理者是租户,拥有最高权限,可以自行安装软件,并且一个用户可根据需要创建多个集群,EHPC节点还支持扩容/缩容,具有较高的弹性及可扩展性。
QingCloud EHPC目前支持的应用场景主要面向计算密集型、数据密集型、通信密集型的应用需求,覆盖气象、海洋、生命科学、CAE仿真、深度学习、影视渲染等多个行业。
QingCloud EHPC 深入 HPC 用户的资源利用率低、投入成本大、运维管理重、安全防护难等痛点,充分发挥弹性资源、高性能计算、高速通信、丰富应用软件等优势,为更好的EHPC 体验持续创新。
好文章,需要你的鼓励
卢森堡大学研究团队开发的RLDP框架首次将强化学习应用于差分隐私优化,创造性地解决了AI训练中隐私保护与模型效果的矛盾。该方法如同智能教练,能动态调整隐私保护策略,在四种语言模型上实现平均5.6%的性能提升和71%的训练时间缩短,同时增强了抗隐私攻击能力,为敏感数据的AI应用开辟了新路径。
这项由北京大学人工智能研究院完成的研究,首次从数据压缩理论角度揭示了大型语言模型存在"弹性"现象——即使经过精心安全对齐,模型仍倾向于保持预训练时的行为分布。
腾讯混元团队联合北京大学提出MixGRPO技术,通过混合ODE-SDE采样策略和滑动窗口机制,将AI图像生成训练效率提升50%-71%,同时在多项人类偏好评估指标上超越现有方法。该技术采用"从难到易"的渐进优化策略,专注于图像生成早期阶段的重点优化,并引入高阶求解器进一步加速训练过程,为AI图像生成的产业化应用提供了更高效可行的解决方案。