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
购买笔记本电脑时,用户现在需要了解Copilot+ PC、NPU和本地AI处理等新概念。搭载专用神经处理单元(NPU)的Copilot+ PC能提供至少40 TOPS的AI算力,支持实时字幕翻译、视频通话优化、AI图像编辑等功能,同时提升续航表现。戴尔最新产品线涵盖多种选择:Dell 14 Plus适合学生和通勤族,Dell 16 Plus适合多任务办公用户,XPS 14面向轻度创作者,XPS 16则以31小时超长续航和3.6磅轻薄机身成为内容创作者的旗舰之选。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。
圣安德鲁斯大学博士Henry Legg在《自然》杂志发表同行评审论文,对微软拓扑间隙协议(TGP)框架提出质疑,认为该框架在推断Majorana粒子量子态存在方面存在缺陷,且实验数据分析结论可能有误。微软此前宣称将于2029年实现可扩展量子计算机,并推出Majorana 2芯片。对此,微软坚持立场,表示已发表正式反驳并获《自然》收录,对研发路线图充满信心。
上交大与爱丁堡大学提出InfoKV,将信息熵与注意力权重结合用于KV缓存压缩,让大模型在仅保留12.5%缓存的条件下实现接近甚至超越完整缓存的长推理性能。