这两家公司解释称,双方的合作将让企业用户更容易扩展信息技术基础设施,支持成功的人工智能和机器学习战略,而无需在云中托管这些工作负载。他们可以在自己的内部数据中心部署戴尔的PowerEdge服务器,或者将其作为大型混合云设置的一部分。
RHEL AI是红帽公司传统Linux操作系统的一个专门版本,用于开发基础人工智能模型。开发人员用它来创建、测试和部署生产中的人工智能模型,它现在是戴尔专用人工智能服务器 PowerEdge R760xa的首选平台。
RHEL AI的优势之一是,它可以访问IBM Research强大的开源Granite系列大型语言模型。Granite模型是Meta的Llama系列等知名开源模型以及OpenAI 的GPT LLMs 等专有模型的替代品,它们在生成式人工智能编码任务中表现出色。
除了Granite,RHEL AI平台还配备了基于Large-scale Alignment for chatBots方法的 InstructLab模型对齐工具。它采用了优化的、可启动RHEL映像的形式,适用于单个服务器部署。它还包含在红帽的OpenShift AI中,后者是一个混合云机器学习操作(MLOps)平台,用于在分布式集群环境中大规模运行模型和 InstructLab。
戴尔和红帽表示,在PowerEdge服务器上运行RHEL AI,客户将会受益于简化的AI体验,该平台已经针对包括英伟达加速计算在内的AI工作负载进行了持续测试和验证。
戴尔高级副总裁Arun Narayanan表示,最后一点非常重要,因为在公司的PowerEdge服务器上针对RHEL AI运行AI工作负载的验证意味着客户可以对其基础架构投资的稳定性和可扩展性更有信心。他补充表示:“这简化了生成式人工智能的用户体验,加快了在可信软件堆栈上构建和部署关键人工智能工作负载的进程。”
红帽公司副总裁兼生成式人工智能基础模型平台总经理Joe Fernandes表示,人工智能项目需要访问广泛的计算资源,这些资源需要可以随着项目的发展而扩展。他表示:“通过与戴尔合作,在戴尔PowerEdge服务器上验证并支持RHEL AI,我们将使客户更有信心也更灵活地在混合云环境中利用生成式人工智能工作负载的力量,推动他们的业务走向未来。”
戴尔表示,RHEL AI将于今年第三季度在其最新的PowerEdge服务器上推出,在此之前,客户将可以在全球的戴尔客户解决方案中心预览使用RHEL AI。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。