华为在CEBIT上推出了一款功能更强大的高端KunLun服务器,此外还公布了其他硬件和软件的公告。
KunLun是华为的一款大型服务器,在一个机架中可容纳多达32个CPU。这个V5版本基本上是升级采用了至强SP,支持NVMe驱动器,这也华为对其服务器产品线进行Skylake升级的最新举措。
这款新服务器专门用于X86服务器高端市场,即所谓的关键任务场景,这个可扩展的机箱由4个SCE子机箱构成,每个子机箱配置2到8个处理器,12TB的DDR4内存(96个DIMM)和1个CME中央管理机箱。这个服务器产品线有3种型号,9008配置8个处理器,9016配置2个处理器,9032有4个。9008和9016可升级到32个CPU。
KunLun 9008(左)、9016(中)和9032(右)
处理器要么是Xeon Platinum 8100或Gold 6100处理器,每个节点最多768个内核(24核CPU)和32TB内存。
这款系统在物理上可分区为4-CPU组,或者每个主机最多可以有40个1-96 CPU核心逻辑分区。此外有PCIe扩展插槽、2个10GbitE SFP+端口和2个GE RJ45端口。
每个SCE的本地存储容最高可达到48个2.5英寸SAS/SATA磁盘驱动器,或者40个2.5英寸NVMe SSD。数据规格表中并没有透露容量。RAID级别支持0、1、10、5、50、6和60,操作系统方面支持RedHat、SuSE Linux、、Windows Server和VMware ESX。
华为表示,KunLun v5具有一个多层容错架构,带有容错芯片、固件和操作系统,它是完全冗余的,没有单点故障。我们得知KunLun v5它RISC服务器性能高出40%,但没有给出细节。
为什么是32个CPU的机架服务器而不是32个单独的机架服务器?简短回答的话,就是你可以将CPU和核心分组到多个计算单元,并根据工作负载进行调整计算单元的大小。
如果你有一组可变大小的工作负载(需要在不同时间和不同组合中运行),那么可以将一台8个、16个或32个CPU的进行灵活且动态的修改成为适当大小的计算单元,通过物理分区和逻辑分区。
这不会使它成类似HPE Synergy/Attala/DriveScale/Liqid那样的可组合式服务器(可以从资源池动态定义计算、内存和存储分组)。KunLun与其他厂商的32路服务器有何不同?
其他一些大型服务器厂商
思科在这方面并没有一款服务器产品。
戴尔m100e 10U刀片式服务器机箱可容纳16个刀片,每个刀片都可以是一个4路系统,采用22核至强E5-4600 v4 CPU,总共64个CPU和1408个核心。
但这是升级到Skylake之前的系统,没有类似KunLun那样的集中管理的4机箱系统。富士通的刀片式服务器机箱产品似乎也是如此。
日立在2016年推出了12U的CB 2500机箱,配备14个双处理器刀片服务器模块。有一个支持LPAR的8插槽CB520X刀片模块。这款刀片机箱系统没有升级到Skylake。
HPE的Integrity机架服务器采用安腾处理器,Superdome Flex在8个5U机箱组合在一起的时候支持32个至强SP处理器和48TB内存。
当然,IBM有自己的大型机系统,基于Power9的AC922(Power9,22核)配备有2到6个Tesla V100 CPU,可扩展为1个全机架或多个机架。
华为还在其CeBit上推出了其他新产品,如Internet of Vehicles套件、支持40多款云服务的FusionCloud 6.3全堆栈产品、以及FusionInsight LibrA融合数据仓库等。
华为表示,这款产品采用并行计算、混合行列存储和矢量化执行技术,可在数秒内完成数万亿条数据记录的关联分析。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。