这处工厂将支持以捷克共和国为中心的一系列高性能计算(HPC)发展业务
HPE本周决定继续扩大在欧洲的业务布局,宣布将在捷克共和国建设新的制造工厂,专门负责开发高性能计算(HPC)系统。
这处新工厂位于库特纳霍拉,毗邻HPE另一处距布拉格约90公里的现有服务器和存储制造厂。新厂建设工作将由HPE与富士康共同完成。
HPE认为这项投资将有助于解决捷克及周边地区的供应链短缺难题。HPE执行副总裁兼HPC与AI业务总经理Justin Hotard在声明中表示,“我们现在能够制造业界领先的超级计算、HPC和AI系统,同时增强了供应链的可靠性和弹性。”
新厂计划于今年晚些时候破土动工,这也将成为HPE第四家致力于HPC制造的全球工厂。HPE公司表示,新厂将负责生产面向HPC和AI应用场景的HPE Apollo系统,外加大型Cray Ex超级计算机。超算老牌厂商Cray此前曾经历数年业绩低迷期,最终被HPE于2019年初以13亿美元价格整体收购。
但Cray家的系统制造起来绝非易事,HPE需要加固地板以支撑单体整备重量达3628千克的防爆机械,同时布设专门的液冷系统输送管道。
自收购Cray以来,HPE决定将HPC视为下阶段最重要的业务增长动力。2021年,HPE的HPC与AI业务年收入达到30亿美元,已经在270亿美元的总体年收入中占据可观比例。
Cray的加盟也让HPE拿下多份备受瞩目的超级计算机合同,包括芬兰的LUMI超级计算机、捷克共和国的Karoline超级计算机,后续还有法国的Adastra、Jean Zay以及Maison de l'Intelligence Artificielle超级计算机。
与此同时,HPE在美国还与AMD和能源部橡树岭国家实验室开展合作,负责开发今年早些时候已经上线的1.5百亿亿次Frontier超级计算机。
HPE公司去年9月还从美国国安局手中拿下一份价值20亿美元的合同,约定通过HPE GreenLake平台为客户提供HPC即服务。
HPE的GreenLake for HPC平台初次亮相于2020年底,随后以“超级计算即服务”的形式向客户开放了整个HPC产品组合,包括HPE Apollo系统。
有了这款产品,客户可以在自有数据中心内部署HPC工作负载,且无需承担任何由超算设备构建和维护带来的前期成本。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。