近日,国际权威评测媒体ServeTheHome(简称STH)对浪潮信息服务器NF5180M6进行专业的拆机评测,浪潮信息NF5180M6最终获得9.2分高分,得到了对于产品设计、性能、功能等多维度的认可。NF5180M6通过在1U空间实现性能、密度、扩展性最大化的设计,打破了47项SPEC CPU、SPEC Power等纪录,适用于高频次计算,虚拟化等多种计算密集型应用场景,满足高密数据中心部署需求。
STH作为国际数据中心领域的权威媒体,会定期对全球市场关注的IT设备进行拆机测评,报道内容深受行业人士认可。此次STH媒体对全球第二的服务器厂商浪潮信息的主流产品NF5180M6进行了评测,STH总编Patrick Kennedy评价说,“NF5180M6拥有优良的设计,它利用2U服务器所使用的基础主板平台和技术构建服务器;能够在提高密度的同时保持稳定的性能和功耗,非常符合市场对于1U服务器的期待。同时,浪潮信息利用诸多开放标准,尽量避免使用专用接口,这一点非常可取。”

小身材里的大容量
浪潮信息NF5180M6是1U双路高密计算型机架式服务器,基于英特尔®至强®第三代可扩展处理器设计,单CPU最高拥有40个内核,最大支持TDP 270W CPU,最高基频3.6 GHz和3组11.2 GT/s UPI互连链路,整体计算性能提升46%,实现性能、密度、扩展性的最大化设计,适配虚拟化、在线计算等计算密集型业务,满足高密数据中心部署,解决数据中心对于空间、功耗、散热三者难以平衡的难题。
同时,浪潮信息NF5180M6具有7种存储模式和3种I/O配置,可以灵活满足不同业务需求,并提供2种用于高端存储场景的极限存储解决方案,在1U空间内可支持多达32个E1.S EDSFF SSD或者在前置配置12个2.5英寸SAS/SATA/NVMe硬盘。

此次STH测评的NF5180M6正面配置12个2.5英寸硬盘,后窗配置3个PCIe 4.0 x16转接卡插槽,一个是全高插槽和两个半高插槽,这种极致存储扩展能力可与2U拉齐,且兼顾计算和I/O扩展,提供更高速率,保障1U平台可扩展性,为数据本地化高速处理提供支撑,是客户低延时、高并发业务的最佳解决方案。
1U极限散热下的极致性能
更高密度和更强的算力也往往会带来了更高的功耗,功率的提升对于服务器整机散热和能耗都产生巨大的影响,本次测评STH针对于NF5180M6产品的内部结构从散热设计和性能验证等多个维度进行评测。
由于物理空间的限制,许多1U规格的服务器并未配备热插拔风扇,然而浪潮信息NF5180M6不仅配备热插拔风扇,而且赋予其精心设计,在服务器的每个风扇进风口处,能够看到一排分布着无数蜂窝状小孔的板子,即波导网,同时风扇气流通过导风罩引导。导风罩上有CPU插槽和内存插槽标签极易拆卸和安装。Kennedy表示:“这一特点是许多竞品不可比拟的,这种创新的散热设计使NF5180M6可以支持具备极限热设计功耗(TDP)的高端英特尔至强铂金SKU。部分1U服务器无法支持像至强铂金8380这样可达到270W TDP的CPU,但浪潮信息NF5180M6可以。”
浪潮信息NF5180M6散热设计
在性能测试方面,STH选取的是更高端的SKU,从而确保系统具备足够的散热性能。对现代系统来说,散热不足会导致CPU降速,从而对性能产生负面影响。验证高端CPU的热设计功耗(TDP)范围,有助于我们了解服务器是否有足够的散热能力以全性能运行整个SKU堆栈。STH的测试结果显示,NF5180M6和NF5280M6在性能上差距较小,尽管NF5280M6 2U服务器的速度稍快,然而NF5180M6却拥有两倍的机架密度,因此可弥补该细微的性能差距。
除了NF5180M6的内外部结构,STH也对服务器的性能、功耗、管理界面一一进行了评测,综合设计与外观、性能、功能、价值多维度指标,为NF5180M6评出9.2分高分。Kennedy最后表示,“采用1U规格的服务器拥有极大的灵活性。同2U服务器相比,虽然会牺牲少许耗电量以及容纳加速器和存储设备的物理空间,但我们可以在一个机架内大幅增加CPU和内存密度。这一点非常有意义,也符合我们对1U系统的确切期待。”
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。