戴尔今日宣布更新PowerEdge服务器系列,将支持AMD的第四代EPYC GenoaCPU。
AMD今天公布了最新一代的AMD EPYC芯片,戴尔几乎随即就展示了将如何在自己的旗舰服务器产品组合中采用这种最新一代的芯片。
据戴尔称,更新后的PowerEdge服务器系列将更有效地为数据分析等面向计算的工作负载提供支持,更新后的服务器采用独特的智能冷却技术来减少二氧化碳排放,内置的网络弹性架构则有助于加强安全性。
这些服务器也将在市场中带来真正的冲击。AMD最新这一代芯片采用了先进的5纳米工艺,可提供更高的密度和能效。Genoa EPYC服务器CPU还率先支持新的PCIe 5.0连接、DDR5内存和Compute Express Link 1.1标准。
更新后的PowerEdge服务器系列提供单路和双路两种配置,与去年的型号相比,处理器核心增加了50%。戴尔还表示,AMD驱动的PowerEdge系统将具有前所未有的最高性能,与上一代相比提高121%,2U服务器的前置驱动器增加了33%,1U服务器的前置驱动器增加了60%。
该产品系列有旗舰产品PowerEdge R7625引领,它可大幅提升应用性能和数据存储,这个双路2U平台可以作为数据中心主干,经过测试可将内存数据库性能提高72%,超过所有类似配置的服务器。戴尔表示,PowerEdge R7625服务器将在本月晚些时候以有限的配置供货,计划于2023年2月在全球范围内面市。
此外,客户还可以选择PowerEdge R7615,一款单路2U的系统,内存带宽更高、硬盘驱动器有所改进且延迟更低。据戴尔称,PowerEdge R7615可以同时完成多项工作,且占用空间比同类的上一代服务器更小。
这一产品系列中还包括了双路1U的PowerEdge R6625和单路1U的R6615系统,据称这两款系统在性能、灵活性和密度之间实现了强大的平衡。而且戴尔表示,后三种型号都将在明年2月份全面上市。
戴尔PowerEdge、高性能计算和核心计算产品组合和产品管理副总裁Rajesh Pohani表示:“客户要求以最可持续的方式提供不妥协的计算性能,我们最新的PowerEdge服务器专门为满足当今那些需求苛刻的工作负载而设计,且同时兼具效率和弹性。”
在可持续性方面,此次新推出的服务器提供了智能冷却技术的设计增强功能,可以使更多气流通过系统,使系统在更长时间内保持凉爽。戴尔表示,这将减少客户数据中心运营产生的热量和能源消耗。总体而言,更新后的PowerEdge服务器与上一代相比,处理器性能效率可提高55%。
此外,更新的PowerEdge系统由回收塑料制成,其中大量都是可以通过戴尔的多件包装选项同时运送的,从而减少对环境的整体影响。
最后戴尔强调,此次推出的新系统以“网络弹性架构”为基础,功能包括系统锁定、漂移检测、多因素身份验证和支持机密计算(数据在处理时被加密),“以数据中心安全为核心”的原则,打造更安全和更有弹性的运营模式。
IDC分析师Kuba Stolarski表示,服务器性能的持续创新对企业来说至关重要,他对这些新的PowerEdge系统表示了高度称赞。
Stolarski表示:“戴尔的新型PowerEdge服务器平台直接设计嵌入了高级安全功能,可以帮助企业组织在不断增加的威胁环境中跟上数据增长的步伐。性能方面的改进可以帮助客户实施人工智能、高性能计算和其他现代工作负载,让他们从数据和IT环境中获取最大的价值。”
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。