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
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。