VMware发布对vSphere套件的重大更新,戴尔随之在加速器方面做出回应。
戴尔认为,使用其旧有服务器的客户也应该有机会运行数据处理单元(DPU,又名SmartNIC)。这类设备将网络硬件与充足的计算和存储资源结合起来,可以运行加密等杂务,借此释放CPU核心以更高效地处理关键负载。
这家本地硬件厂商上周宣布将推出“Customer Kits”,可用于在第15代PowerEdge服务器(于2021年推出)中安装加速器。戴尔最新的第16代PowerEdge服务器已经于今年早些时候与广大用户见面。
DPU属于PCIe设备,因此在旧服务器上的安装应该不会太过复杂。戴尔没有介绍新套件的样式,也未提及为什么需要额外套件才能接入DPU。
但该套件的存在本身却意义重大。除非您身在超大规模企业,否则目前使用DPU的唯一简单方法就是在VMware的旗舰vSphere 8套件下运行,借助其中提供的“分布式服务引擎”来管理设备及运行其上的工作负载。
VMware此前曾经向媒体证实,其客户并不急于采用DPU,原因就是只有新服务器能够支持,所以打算等下一波硬件更新之后再行考虑。但虚拟巨头提到,旧有服务器其实很快就能支持DPU设备。
没错,戴尔已经用实际行动证明了这个结论。他们甚至表示,已经有部分DPU使用到Arm架构的处理器,其运行功耗更低、能够“压低运营成本并促进可持续性”。
我们也期待首批在旧有戴尔服务器上运行DPU的朋友尽快分享自己的使用感受。
就在戴尔放出消息的同一天,VMware也宣布将对vSphere 8进行第二次更新。
此版本的一大新增功能,就是迅速更新了vCenter——这是VMware着力开发的生命周期管理方案,希望帮助客户轻松对虚拟机组和混合云服务器进行更新和升级管理。VMware目前已经将此视为研发工作的优先事项,看重的自然是其背后的深远意义。
此外,另一项值得关注的更新是在身份联动选项中引入了Microsoft Entra Active Directory(以前称为 Azure AD)。VMware称此举可以减少vCenter的攻击面,允许用户通过Entra来替代直接在VMware设备内复制身份服务。
此次更新还改进了GPU共享能力。这一点非常重要,因为目前GPU产品供应短缺,因此关注AI研发的组织必须想办法把现有GPU有效利用起来。
VMware的软件定义存储产品VSAN也迎来了升级,进一步将存储和计算加以拆分(https://docs.vmware.com/en/VMware-vSphere/8.0/rn/vmware-vsan-802-release-notes/index.html)。
感兴趣的朋友可以参考完整的vSphere 8 Update 2发布说明(https://docs.vmware.com/en/VMware-vSphere/8.0/rn/vsphere-vcenter-server-802-release-notes/index.html),以及VMware工作人员做出的讲解和讨论(https://www.youtube.com/watch?v=J-MunOaZohs,视频)。
还有一条消息,富士通已经在vSphere 8之下认证了其DPU服务器。与这家日本科技巨头一同宣布支持的还有HPE和戴尔。但如前文所述,只有戴尔宣称可在旧有服务器上运行DPU。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。