戴尔今天宣布对高性能计算服务器产品线进行扩充,推出了一系列采用Nvidia和英特尔最新芯片硬件的新系统。

戴尔表示,此次推出的PowerEdge服务器是与这些芯片厂商合作设计的,将使任何规模的企业都能执行AI模型训练、高性能计算建模和模拟、核心到边缘推理以及数据可视化等工作负载。
此次推出的新型号中,最高端的是PowerEdge XE9680系统,戴尔称它是首款配备了8个GPU的高性能服务器。戴尔表示,客户可以选择Nvidia的H100 Tensor Core GPU或者是A100 Tensor Core GPU,再结合即将面市的第四代英特尔Xeon Scalable GPU,以及戴尔全新的智能冷却技术,为AI工作负载提供无与伦比的性能。
其次是PowerEdge XE9640,一款2U的性能优化型服务器,配备了4个英特尔新的Data Center GPU Max系列处理器以及2个英特尔Xeon Scalable CPU。据戴尔称,PowerEdge XE9640全面采用直接液体冷却的方式,可以将能源成本降低多达3.1倍,同时实现更高的机架密度。
最后是PowerEdge XE8640,一款风冷式4U性能型服务器,配备4个Nvidia H100或者A100 GPU、2个英特尔Xeon Scalable CPU以及Nvidia NVLink技术。这三款服务器都将于2023年上半年在全球范围内供货。
戴尔表示,此次发布是推动高性能计算和人工智能更大范围的普及。为此,戴尔的HPC PowerEdge服务器今天将通过Dell Apex在美国上市,这是一款即用即付型基础设施产品,将本地的、按使用付费的基础设施服务器和存储与云托管资源相结合。
戴尔认为,这很可能会改变市场的游戏规则,让任何规模的企业组织都能够通过一种完全托管的、订阅式的体验,在即服务的基础上运行大规模、计算密集型高性能计算工作负载。戴尔表示,客户通过使用Apex高性能计算产品可以访问运行高性能计算工作负载所需的一切,包括高性能计算集群管理器、容器编排器、工作负载管理器和底层硬件,并且这些硬件都针对生命科学或者是制造等特定工作负载进行了优化。客户也可以受益于灵活的容量选项,包括一年、三年和五年的订阅方式。
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预测,市场对Apex高性能计算服务的需求将会很大。
他说:“随着计算创新不断加速以跟上需求的步伐,客户希望升级他们的IT环境并且采用先进的计算能力来加速发现和洞察的速度。全新的戴尔服务器和解决方案,将让各种规模的企业都能获得曾经只有全球最大研究机构和政府机构才能获得的技术,让他们能够应对高性能计算,简化人工智能的采用,并且推动他们的业务向前发展。”
此外,戴尔正在致力于利用量子计算加速计算。此次戴尔还推出了新的Dell Quantum Computing Solution量子计算解决方案,已经在美国和加拿大上市,旨在处理复杂的工作负载例如化学和材料模拟、自然语言处理和机器学习。该解决方案在戴尔PowerEdge服务器的基础上构建了典型的量子模拟器,并与IonQ基于云的量子计算服务进行集成,让企业客户能够在本地环境或者云端运行量子工作负载。
IDC分析师Peter Rutten表示,加速计算技术对于帮助企业从每天生成的海量数据中获取更多价值来说,是至关重要的。“戴尔将抓住加速Dell PowerEdge服务器和解决方案的机会,满足客户处理苛刻工作负载的需求。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。