近日,由开放数据中心委员会(ODCC)主办的2023“开放数据中心大会”在北京国际会议中心举行。今年是ODCC成立10周年,大会汇集了数据中心产业链上下游企业、科研机构、专家学者等共同见证发展成果。
浪潮信息也在会上发布了基于OpenBMC 、OTII标准的两项最新技术成果,以软硬件协同创新,支撑多元算力时代的各类创新应用。同时,浪潮信息作为ODCC项目最早参与者,多年来始终坚持开放开源的技术路线,推动开放计算产业化,凭借着这些年在服务器、边缘计算、液冷、管理等领域的优秀成果,获得ODCC“十年携手同行奖”。
直面多元算力挑战 发布基于OpenBMC的InBry管理固件平台
开放计算的兴起,极大地加快了硬件创新的速度,也在推动软件定义功能的集成以及效率的提升。其中,如何面对多元算力时代的爆发式增长需求、如何实现多处理器、多芯片设备高效、稳定运行,如何保障数据中心大规模服务器的可靠稳定……这一系列问题都需要在开源开放中寻找答案。
经过近十年发展,OpenBMC开源项目日臻成熟,吸引了处理器、加速芯片、部件、服务器等产业链上下游主流厂商积极参与贡献。作为开源技术的拥护者与重要贡献者,浪潮信息积极拥抱OpenBMC,在社区开源代码贡献排名中保持全球第5和中国第1的位置,为推动社区健康发展贡献了重要力量。
在本次大会上,浪潮信息重磅发布了基于OpenBMC的InBry管理固件平台,采用了更先进、更高效、更开放的创新架构和开发模式,快速适配各种算力场景,从而更快、更好的满足用户资产信息管理、故障预警、远程管理和批量自动部署等需求。InBry管理固件平台在社区基础上增加了67个代码仓库,开发代码近80万行,开发支持400余条IR用户需求,240余条安全基线需求,200余个Redfish接口。经过架构优化,InBry管理固件平台底层兼容多款BMC管理芯片,支持OpenPower、x86、ARM等处理器平台,兼容各类加速芯片和部件,全面支持通用服务器、AI服务器、存储服务器、边缘服务器等应用形态,进而为互联网、金融、电信等行业客户提供更先进、更开放、更高效的BMC管理能力。
边缘OTII 1U 3.0最新标准发布,引领数据中心硬件设计规范
随着人工智能、5G等技术的演进,各类传统业务的重构和转型,推动着边缘计算、物联网等业务的发展,同时也使得承载这些业务的边缘数据中心成为越来越火热的话题。从云到边,浪潮信息也在积极推动开放计算、助力算力基础设施多元化创新发展和数据中心的可持续发展,引领OTII行业标准持续迭代更新和落地应用。
从2017年开始,浪潮信息就深度参与制定面向通信行业的开放IT基础设施OTII(Open Telecom IT Infrastructure)技术规范,并且于2019年,发布了业界首款基于OTII标准的2U边缘服务器NE5260M5,采用短机箱,0~40℃宽环温设计,能够满足边缘数据中心对严苛环境的特殊需求,为边缘IT设施的算力、业务适配能力、运维管理能力和设计灵活性提升提供参考,已在智能制造、智慧油井、智慧园区等边缘场景中落地了诸多方案和案例。
同时,浪潮信息也在持续深度参与《OTII 1U服务器技术规范》的制定发布。在本次大会上,浪潮信息联合Intel、通信企业等,共同发布了OTII 1U 3.0最新标准,OTII 1U 规范,不同于通用边缘场景,更面向于一些5G基站NFV、CDN场景,不同于标准机房,对形态的要求更加小巧,对环境的适应性要求更高-5℃~55℃。同时针对这类场景中对时钟高精度时间同步的要求进行了定义。
除了OTII标准,浪潮信息还联合百度、腾讯等领先公司共同定义了边缘模块化设计标准ECOM1.0。这一设计标准以系统架构为核心,通过计算、存储、IO、网络、管理等功能模块的解耦,可根据不同行业应用场景,实现快速、灵活的边缘计算产品设计与开发,在满足个性化需求的同时也能实现规模化生产和品质控制,从而大大加速了边缘计算在制造、交通、能源等行业的规模化落地。目前,浪潮信息也在根据用户需求持续更新迭代ECOM标准,比如支持更多新的计算、存储等部件接口、更加丰富的网络和管理功能等,以更好的满足边缘计算多元场景需求。
随着数字世界和物理世界的深度融合,计算无所不至。开放计算作为数据中心的创新主力,持续通过全球化协作的创新模式,推进数据中心领先技术应用普惠化,助力数据中心绿色高质量发展。浪潮信息的开源软件和开放硬件正在加快融合,进而成为推动数据中心技术持续创新的重要力量。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。