在人工智能(AI)领域,如果把数据和计算比作燃料和引擎,那么存储就是承载并激发整个过程的燃料箱。因此,若想实施可行的AI解决方案,必不可少的第一步便是制定正确的存储策略。各家企业都在竞相采用AI技术,以期深入改变运营方式、增强决策能力并解锁新的可能性。戴尔科技观察到这一关键需求,为企业提供所需的专用基础架构,满足AI的特定需求。
作为灵活性1和效率2出众且十分安全3的横向扩展NAS存储,Dell PowerScale在AI优化基础架构领域被反复提起。Dell PowerScale提供NVIDIA GPUDirect支持(是首批提供该功能的存储厂商之一),可通过NFSoRDMA和多租户功能实现低延迟存储访问,多协议同步支持以及能够确保在模型推理期间无中断运行的6x9s可用性和弹性。
在上述基础之上,戴尔科技于今年早些时候推出了专为AI打造的新一代PowerScale全闪存节点——PowerScale F210和PowerScale F710。而在上周举行的戴尔科技全球峰会(DTW)上,戴尔科技发布了新一代全闪存PowerScale平台的最新成员PowerScale F910。
PowerScale F910——以超高密度实现大规模AI性能
PowerScale是全球率先通过NVIDIA DGX SuperPOD验证的以太网存储解决方案。戴尔科技推出的F910则将AI优化存储提升至全新的水平。PowerScale F910测试版用户、World Wide Technology(WWT)技术解决方案架构师John Lochausen表示:“PowerScale F910令本已非常出色的平台如虎添翼。随着对AI领域愈加深入的研究,我们的客户正在寻求一个能够处理任何任务的单一平台。F910带来的强大性能提升,可帮助客户轻松处理涵盖AI专用和通用工作负载等各种任务。
AI就绪性能:借助OneFS软件的持续创新和包括英特尔至强CPU、最新DRAM以及第5代PCIe在内的最新技术,F910的流式性能提升高达127%4,加速获取AI洞察。此外,它还加速了AI流程中的模型检查点和训练阶段,将每个集群的GPU利用率保持高达300PBs。PowerScale还于近期推出了Dell APEX File Storage for Azure,赋予云端数据访问更高的灵活性和更多选择,其集群性能较Azure NetApp Files提升6 倍。5
更高的存储效率:对企业客户而言,效率对性能和成本都至关重要。PowerScale F910采用2U节点实现性能和密度的平衡,最大程度地减少数据中心占地面积,以可持续发展为首要宗旨管理AI数据增长。与此前发布的F710相比,F910的每RU密度提高了20%6。同时,F910拥有比上一代产品提升高达2倍的每瓦性能7并利用PowerScale卓越的横向扩展NAS数据缩减保障8,进一步控制了存储成本并优化存储利用率,有效帮助客户做到事半功倍。
WWT技术解决方案架构师John Lochausen表示:“我们高度关注AI Proving Ground中的AI创新,全闪存PowerScale F910远超我们的预期。PowerScale F910实现性能翻倍的同时,降低了相同工作负载所需的电力和能源成本,进一步推动实现客户的可持续发展目标。”
戴尔科技全力实现AI就绪
戴尔科技致力于满足客户的AI需求,在过去一年中通过软硬件创新结合实现了PowerScale性能和效率的双提升,收获了卓越成果。
戴尔科技将坚持不懈追求创新解决方案,并计划于今年下半年发布更多增强功能:
全栈产品组合——戴尔科技AI就绪数据平台
戴尔科技新一代PowerScale系列产品是戴尔科技AI就绪数据平台的关键组成部分,后者提供可覆盖AI数据之旅各方面的AI优化基础架构。在助力企业畅想AI之旅的过程中,戴尔科技通过AI专业服务,可为企业提供训练有素的AI和行业专家团队。无论是AI战略制定,还是数据准备和用例部署,戴尔科技都是帮助客户将AI愿景转化为实际成果的绝佳合作伙伴。
PowerScale F910于2024年5月21日起在全球上市。可点击规格表和PowerScale网站了解AI优化PowerScale节点的更多信息。
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。