近日,以“开放引领发展,合作共赢未来”为主题的2023年中国国际服务贸易交易会(简称“服贸会”)在北京举行。
英特尔在服贸会现场宣布多项新合作,不仅携手云轴科技(ZStack)发布私有云解决方案白皮书,亦与星环科技共同推出全新超融合一体机方案TXData。
提升云平台效率
众所周知,云计算经过多年的发展,已经成为企业数据中心中流砥柱的技术。
ZStack公司是国内较早的投入在云计算领域的厂商,拥有非常完整的云计算产品线。近几年,ZStack和英特尔始终保持非常紧密的合作,双方在软硬件的产品选型和集成,以及新技术的适配和研发等方面展开了广泛的合作。而且ZStack也是英特尔精选开源云解决方案项目创立早期的一批成员和最早认证的厂商之一。
ZStack采用自研架构,独立于VMware和OpenStack技术路线,产品矩阵全面覆盖数据中心云基础设施,其核心产品是ZStack Cloud云平台。
云轴科技ZStack CTO王为表示,随着人工智能和大数据的发展,企业对数据量的处理要求越来越高。因此,云平台能够支撑大规模数据传输和数据处理。“在数据传输和数据处理过程当中,我们希望CPU的占用能够尽可能少,让CPU专注于用户的业务逻辑和生产业务,而不是数据的拷贝和传输。”
基于此,ZStack Cloud借助第四代英特尔至强可扩展处理器的英特尔数据流加速器(英特尔DSA),以及英特尔数据平面开发套件(英特尔DPDK),加速大规模数据传输与处理,并实现性能密度提升和TCO降低。
作为高性能数据移动和转换加速器,英特尔DSA不仅能够将ZStack Cloud底层的数据包拷贝工作从CPU核心卸载,增强CPU使用效率,也能够实现高带宽和低延时的网络服务,显著提升网络性能,满足如AI等场景中的网络密集型应用需求,加速数据传输和处理,提升业务效率。
王为说,除了DSA加速器,第四代英特尔至强可扩展处理器还提供了QAT、DLB、IAA等一系列的加速器,这些加速器的组合使用可以极大提升云平台的效率,降低云平台在数据拷贝、数据处理、数据加/解密计算上的浪费。
升级大数据一体机
多年来,英特尔中国一直非常重视与国内ISV软件开发商的技术合作,共同打造业内领先的软硬件技术的融合方案,赋能国内IT行业的发展。
星环科技是国内领先的大数据基础软件公司,与英特尔有比较深厚的渊源,双方结合各自特色的软硬件技术,共同打造了业内领先的基础数据管理解决方案与AI大数据分析的解决方案。
星环科技生态合作部总经理张雷表示,星环科技跟英特尔合作的关系就是“树与藤”的关系,优秀的基础软件离不开底层硬件技术的支撑,只有和硬件结合才可以一起共赢、融合、创新。星环科技和英特尔一起共同用工匠精神在驱动产品领先和创新。
星环科技围绕全数据生命周期,打造相应的集成、存储、治理、建模、分析、挖掘等等一系列的产品体系。这次发布的TxData-2H大数据一体机搭载了第四代英特尔至强可扩展处理器以及星环科技的ArgoDB产品,可以为应用于数据仓库、数据集市等场景。
TxData产品自身亦围绕SSD闪存加速、网络极速优化、GPU/FPGA深度优化及系统优化这四方面进行了独特的工程优化,大幅提升数据处理负载性能,能够满足金融、政府、交通、零售、能源等诸多行业对数据库系统性能与可靠性的高要求,为各行业数字化转型提供强有力的数字底座支撑。
张雷说,TxData-2H大数据一体机可以实现高性价比、开箱即用、强劲的性能、降低技术人员的运维成本等特点。经过实际测试,搭载了第四代英特尔至强可扩展处理器的性能比一代有69%的提升。“这次发布标志着双方会携手迈向更为广阔的市场,为更多客户提供高效、稳定、易用的一体化产品。”
结语
在数据要素对经济促进作用日渐明显的当下,企业对海量数据的传输、存储和深入挖掘也提出了更高的要求。英特尔将联合生态伙伴持续基于前沿技术,打造满足市场需求的多元化领先产品,深度激活数据价值,为企业数字化转型保驾护航。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。