戴尔虽然不再拥有VMware,但是这两家厂商还在一如既往地密切合作,共同设计了他们今天在VMware Explore 2022上公布的一系列新数据中心基础设施系统。
戴尔表示,此次发布的这些新系统以及戴尔APEX基础设施即服务产品组合更新,旨在通过提高运行在这些环境中运行的应用性能,来帮助企业拥抱多云和边缘计算战略。戴尔基础设施解决方案集团总裁Jeff Boudreau表示,这是因为客户一直在寻求帮助能够简化他们多云和边缘战略的方案,因此戴尔给出了回应。
所以,戴尔和VMware展开密切合作,设计了一系列新的VxRail系统,运行VMware最新版本的旗舰虚拟化软件vSphere 8。VxRail是一种超融合基础设施系统,把存储、计算和网络捆绑到一个设备中。此次更新是在这些系统中加入了特殊的“数据处理单元”,使其在处理信息方面比标准的CPU和GPU更加高效。
戴尔认为,采用这种专用芯片是至关重要的,因为vSphere 8已经进行了重新架构可以运行在DPU之上,这让客户可以看到出色的应用和网络性能,以及更低的总体拥有成本。此外,新推出的VxRail系统还支持VMware新的vSAN企业存储架构,提供更高效的存储,而且尺寸也比上一代系统更小,非常适合部署在医院、工厂和工业设施等边缘位置。
VMware高级副总裁、云基础设施总经理Krish Prasad表示,企业对软件定义网络和存储基础设施的需求给传统CPU带来了很大压力。
他解释说:“随着更多分布式、资源密集型应用的加入,我们需要对数据中心架构进行重构,以完全支持这些应用的要求。Dell VxRail with VMware vSphere 8将通过在DPU上运行基础设施服务,为下一代数据中心架构奠定基础。”
这款新系统将于今年晚些时候在全球上市,客户可以直接购买,或者通过戴尔APEX基础架构即服务业务根据资源使用情况付费的方式使用该系统。为了让客户有充分的理由考虑在VMware环境中使用戴尔APEX产品组合,戴尔还推出了一系列更新。
例如,Dell APEX Cloud Services with VMware Cloud现在支持托管的VMware Tanzu Kubernetes Grid服务,戴尔表示,该服务非常适合于那些希望采用容器应用开发方法的开发人员。借助戴尔托管的Tanzu服务,客户将能够直接通过vSphere用户界面配置Kubernetes集群。
与此同时,APEX Private Cloud和APEX Hybrid Cloud现在都提供了新的“仅计算”选项,允许客户独立扩展他们的计算资源和存储资源,从而提供了更大的灵活性。
最后戴尔宣布推出了一项名为Dell Validated Designs for AI - Automatic Machine Learning的新服务,据称该服务依靠自动化机器学习模型来帮助数据科学家构建人工智能驱动的应用,捆绑了很多经过测试和验证的Dell VxRail超融合基础设施配置,包含了很多特定选项可以运行来自VMware、H20.ai和Nvidia的AI开发软件。据戴尔称,客户可以使用这些系统来加快洞察和创建新AI模型,速度提高了18倍。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。