惠普企业(HPE)今天推出了 8 款全新的 ProLiant Compute Gen12 服务器,这些服务器具有先进的安全功能、针对复杂工作负载优化的性能以及 AI 驱动的管理特性。
这些服务器采用了新一代英特尔至强 6 处理器,该处理器专为高性能和高能效而设计。
ProLiant Compute DL384 Gen12 专为混合、内存密集型和 AI 工作负载而设计,如微调和基于检索增强生成的推理。它配备了 Nvidia GH200 NLV2,这是一个主要面向大语言模型推理的高性能平台,拥有 1.2 TB 内存。
ProLiant Compute DL380a Gen12 主要用于 AI 微调和大规模工作负载。它配备了 Nvidia H200 NVL Tensor Core 图形处理器,推理速度是 Nvidia H100 的两倍,并配有 6 个专用冗余 GPU 电源。
无人值守管理 新服务器采用了最新版本的集成无人值守(iLO)管理技术,即使服务器与组织的主网络断开连接,也能实现远程控制访问 ProLiant 服务器。它还具有增强型专用安全处理器(安全飞地),可建立牢不可破的信任链来防御固件攻击,同时提供 HPE 供应链的完整可视性。
HPE 表示,iLO 7 是首款具备抗量子计算能力的服务器,并满足高级 FIPS 140-3 Level 3 密码安全认证要求。
新服务器可通过 HPE Compute Ops Management(基于云的软件平台)进行管理,用于保护和自动化服务器环境。AI 驱动的自动化通过预测能源使用和设置阈值来帮助组织提高能效,控制成本和排放。新的全球地图视图使客户能够即时识别分布式 IT 环境中的服务器健康问题。自动化入门简化了远程位置的服务器设置和持续管理。
HPE 表示,新服务器每年可降低 65% 的电力成本,一台 Gen12 服务器可提供相当于七台 Gen10 服务器的计算性能。
可选液冷 HPE 还为单路和双路机架服务器提供可选的直接液冷。液冷所需的电力远低于空调,因为液体吸收和传递热量的效率是空气的 1000 倍。麦肯锡公司估计,冷却约占数据中心平均能耗的 40%。
"HPE 在液冷方面已有相当长的经验,"主流计算副总裁 John Carter 说,他提到了公司的 Cray 超级计算机。"我们拥有 300 多项专利,现在可以将它们应用到我们的主流企业产品组合中。"
HPE 表示,新系统具有防止量子计算破解加密算法的保护措施。安全专家认为,量子计算机可能在几秒钟内破解最强大的加密系统。
为应对这一风险,组织正在采用量子抗性算法,如基于哈希函数且没有已知量子漏洞的 Leighton-Micali 签名方案(LMS)。ProLiant Compute Gen12 服务器将 LMS 集成到 HPE 的 iLO 7 中,用于数字签名固件,确保安全启动过程并防止未经授权的修改。LMS 还集成到远程管理安全中,用于关键组件的身份验证和完整性。随着量子计算技术的发展,LMS 有望提供未来可靠的保护,无需立即更改加密方案。
搭载即将推出的英特尔至强 6 处理器的 8 款新型 HPE ProLiant Compute Gen12 服务器中的 6 款将于本季度上市。HPE Synergy 480 和 HPE ProLiant Compute DL580 Gen12 服务器预计将于今年夏季推出。
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。