数字经济背景下,企业的数字化转型进程不断提速。但是在这一进程中,企业在架构选型以及IT建设方面仍然会面临困惑。

在由英特尔、HPE、至顶科技联合举办的“见招拆招 IT转型与智者同行”节目上,计算机学会专家张云泉博士针对用户在数字化转型中遇到的“困惑”难题,提出了四大问题,而英特尔中国云创中心技术总监高丰、HPE CTO兼首席架构师张楠针对这些问题给出了相关建议。
我们以“算力多少才算够?”为例,随着大数据、云计算、AI等新一代信息技术的融合创新和持续深入,各种场景创新层出不穷。企业的算力平台应该如何构建才能确保数据的处理速度以及数据分析的效用最大化?
英特尔中国云创中心技术总监高丰介绍说,英特尔软硬协同,赋能算力供给。针对行业客户持续提高的算力需求,英特尔在软硬件方面持续创新,其中英特尔®至强®可扩展处理器在承载企业业务应用方面的性能表现非常卓越 。
第三代英特尔®至强®可扩展处理器为数据分析和处理提供了更强大的性能,相比上一代产品平均性能提升46%, 而在AI、云计算、物联网和5G等典型应用上,其性能也分别有50%至74%的提升。
当然,为了让硬件算力发挥出来,离不开软件的赋能和协同。长期以来,英特尔在操作系统内核、底层驱动、编译器、数学库、编程框架等方面持续创新。同时利用开源社区和合作伙伴,为每一代英特尔®至强®可扩展处理器提供行业应用的深度优化,开发新的解决方案,从而更好地服务高速发展的新业务、新场景,满足日益增长的算力需求。
HPE CTO兼首席架构师张楠表示,为确保客户将数据转化为洞见力,数字化转型全面推动了传统IT,以及从边缘到云处理的新需求,现在的客户比以往任何时候都更需要算力。为了这个目标,HPE建立了一个从边缘延伸到百亿亿次算力的产品的组合方案。
在云服务与硬件采购的选择方面,高丰认为,英特尔®至强®可扩展处理器是针对传统行业应用和云上应用的各种严苛要求而进行的设计和优化,并支持广泛的业务部署场景。英特尔根据不同行业特点,进行跨行业的云技术应用和部署的经验分享。比如基于第三代英特尔®至强®可扩展处理器的AI推理方案,大数据方案的最佳实践,在运营商、金融保险、生命科学、制造零售等行业推广。
张楠则表示,传统IT最大的问题就是投资成本不可预知,资源浪费严重,IT运维成本居高不下。所以在2017年,HPE推出了GreenLake 全新即服务业务,目的就是让用户的IT采购模式像企业缴纳电费一样,按月收费,按用量计费。,HPE GreenLake帮助全球用户降低了30%的IT成本支出,缩短了75%的业务上线时间,以及节省了40%的人工成本。
除了算力和IT采购方面的问题,嘉宾还围绕云边协同、IT运维智能化等热门话题展开深入讨论。想要了解更多嘉宾的精彩观点,请访问专区https://www.zhiding.cn/intel_oem/2021/hpearena
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。