随着“东数西算”这项划时代工程的推进,数字化变革奔涌向前,在此背景下,打造融合的“云”成为创造价值的关键要素之一,而百行百业也在面对数字化洪流中,纷纷开启转型之路。
当企业进入以数字技术重塑核心业务价值链的“深水区”,在AI、边缘计算、大数据等驱动下,新一代超融合的技术创新与场景应用正以迅雷不及掩耳之势崛起,加速云市场格局的变革。
推动超融合变革,4月15日,中科曙光在京发布新一代StackCube-K超融合一体机。新一代超融合架构充分结合曙光领先的软硬件优势,由内到外打造极致可靠、安全可信、融合智简、全栈演进、芯云一体、性能不凡的新一代超融合一体机。
中科曙光总裁助理何牧君博士表示,新一代的超融合架构,通过“云边”协同及技术创新打造安全稳定底座,实现基础设施层更加开放及对底层硬件生态更细粒度的支持;联手生态合作伙伴,构筑融合开放基础上的“信、智、强”。
(从左至右依次为中科曙光云计算产品业务部经理曾宇航、中国科学院信息工程研究所研究员、博士生导师贾晓启、中科曙光总裁助理兼云计算产品事业部总经理何牧君、奇安信集团副总裁刘浩、英方软件副总裁兼战略合作部总经理赵丽荣)
以“信”为基:携手共建强力安全底座
中科曙光云计算产品事业部业务部经理曾宇航表示,安全是新型基础设施的重要保障因素。安全可信是目的,超融合是载体,安全可信的目标是逐步建立全面自主的基础设施架构和标准,支撑自有开放生态。新一代曙光超融合一体机通过多重高可靠架构设计保障上层用户业务无感知的故障接管,安全合规的技术体系提升整体架构和系统的安全稳定。在安全方面,曙光一直以来,与中科院信工所、奇安信等国内安全领域智库和头部厂商进行合作,运用内置式主动防御等先进安全技术来构建产品体系,提升安全防御能力。值得一提的是,本次发布的产品还通过了中国电子标准化研究院扩展级权威认证。
以“智”突破:全栈赋能智简融合
曙光超融合云架构实现多维度云能力的深度融合,提供可视化智能运维、向导式操作引导,智能化的端到端服务,降低了用户管理运维成本。同时打造可成长、可进化的超融合云平台,实现虚拟化、大数据、AI等上云、用数、赋智能力的融合,有效加速用户业务从虚拟化过渡到全栈云,以“智”重塑上云时的用户体验。
以“强”固势:极致性能服务百行百业
凭借曙光在云计算领域15年的技术积淀,全新一代超融合一体机通过升级缓存加速技术将存储访问及存储的处理逻辑全部下沉到智能加速卡上处理,大大提升了算力,在异构加速方面,支持GPU的虚拟化,GPU虚拟化支持AI加速场景。此外,全新一体机还具备芯云一体的能力,延续了国产核心部件的广泛兼容性,上云快人一步。计算、存储灵活变化,适配多种业务,满足不同业务场景,完美支持数据库等关键业务应用。
基于全新超融合一体机,曙光携手奇安信、英方打造超融合安全、灾备一体机解决方案,共同打造了极致可靠,安全可信的算力安全底座。奇安信集团副总裁刘浩表示,“超融合云安全解决方案通过深度融合奇安信在云安全领域的多年积累,基于内生安全与新一代网络安全框架,构建具备弹性扩容能力,满足弹性交付需求,同时安全可靠的新一代超融合一体机,全面推进安全超融合整体方案在政府、金融、企业的加速落地。”英方软件副总裁赵丽荣也表示:“超融合容灾解决方案的落地,为用户带来简单敏捷、按需扩容、高效运维、多层次多策略的灾备等多维度业务价值。未来,我们会推出更多创新性、热门的产品方案,不管是定时备份、CDP备份、系统热迁移、数据库双活,还是异构数据库复制、大数据平台复制、副本数据管理、智能容灾平台等等的应用,我们可以为用户提供全栈的数据复制和灾备保护方案。”
至今,曙光超融合产品已经在泛政府、金融、企业、教育等多行业服务超过1500个在网客户,赋能百行百业。 “随风潜入夜,润物细无声”,曙光将继续优化产品创新,提升产品能力,为客户提供智能加速、非凡性能、云边协同的云基础架构。 未来,曙光超融合一体机将不忘初心,努力成为用户最坚实的后盾, 满足未来十年的技术架构变革,曾宇航憧憬道。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。