HPE正在调整自己的AI产品组合,近日宣布推出了一套新的混合云产品,用于机器学习开发、数据分析、AI优化的文件存储以及推理服务的调优。

HPE表示,这些服务将通过一个平台提供,该平台结合了开源软件和基础设施,专为AI模型训练的数据需求而设计。
HPE计算部门总经理Neil MacDonald表示:“企业可以接受和探索的速度,以及他们对如何对部分业务运营进行转型的实验,是至关重要的。我们正在提供一种开箱即用的推理解决方案,使客户能够采用预先训练好的模型并将其部署到环境中以转型他们的企业运营,并且能够比以前更快速地完成这一任务。”
超级计算的优势
HPE表示将利用GreenLake平台提供以AI为中心的功能组合,包括数据优先管道、生命周期管理软件、高性能互连、以及对第三方扩展的开放生态系统的支持。HPE表示,通过2019年收购Cray Research所获得的超级计算专业知识,将让HPE在这个市场中占据优势。
HPE公司人工智能首席产品官Evan Sparks表示:“你的DNA中需要具备超级计算能力,并且能够扩展到大规模计算中,HPE已经在许多其他领域解决了这些问题。
HPE在本周举行的Discover Barcelona大会上宣布与Nvidia扩大合作,提供由Nvidia构建的生成式AI专用计算平台,该平台将针对那些使用私有数据集和自定义软件工具的AI模型的训练和调整进行优化。
该平台基于HPE ProLiant DL380a硬件,预配置了Nvidia L40S GPU、BlueField-3数据处理单元和Spectrum-X以太网网络,其规模可调优一个配置16台服务器、64个GPU以及具有700亿个参数的Llama-2模型。它将配备增强型HPE Machine Learning Development Environment,具有用于原型设计和测试的生成式AI工作室功能,以及具有GPU感知功能的HPE Ezmeral软件。
此外还包括了Nvidia的企业运输局软件堆栈,用于安全且可管理的AI开发和部署,以及用于模型定制和部署的Nvidia NeMo云原生框架。
新型应用
Nvidia公司企业计算副总裁Manuvir Das表示:“生成式AI催生了一种新型的企业应用,这种应用使用AI嵌入模型将数据仓库中的数据转换为嵌入,这是信息含义的一种表示。然后,你使用矢量数据库来存储这些嵌入,以便可以与数据进行对话,找到库中最能代表答案的所有信息,并将其转化为提示内容以提供给大型语言模型。”
以AI为中心的基础设施将包括用于文件存储的GreenLake,这是一个针对模型训练和调整进行微调的全闪存非结构化数据平台。该平台的性能密度是现有GreenLake文件存储的2倍,吞吐量和与Nvidia Quantum-2 InfiniBand网络平台的连接性是现有GreenLake文件存储的4倍。
HPE Machine Learning Development Environment现在也已经作为一项管理服务用语模型训练了。HPE表示,该服务降低了模型开发的操作复杂性和人员需求,并具有用于原型设计和测试的生成式AI专有工作室功能。
用于软件容器的HPE Ezmeral平台得到了增强,现在支持针对GPU优化的混合数据湖仓,并支持NFS文件系统以及AWS S3兼容的对象存储。此外,Machine Learning Development Environment集成了分析软件,能够提供增强的模型训练和调整功能。
HPE Ezmeral软件总经理Mohan Rajagopalan表示:“我们正在努力打造单一的管理平台体验,以最大限度地利用和管理你的数据,无论这些数据位于何处。”
这款增强的产品针对跨工作负载的Nvidia GPU分配进行了优化,并提供了对第三方集成的访问,包括用于数据记录的开源Whylogs以及用于GPU加速查询的Voltron Data框架。
HPE还表示,HPE的服务部门将提供广泛的咨询、培训和部署服务,并由位于西班牙、美国、保加利亚、印度和突尼斯的人工智能和数据中心提供支持。从明年第一季度客户可以开始订购这些生成式AI产品和服务。
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。