英特尔和SAP计划提升云端运行的性能、安全性和效率并降低TCO,以满足当今和未来敏捷业务的需求。
近日,英特尔和SAP SE宣布展开战略合作,旨在于云端提供更强大、可持续的SAP®软件系列。该合作意在帮助客户实现更高的可扩展性、灵活性和对现有SAP软件系列的整合。同时,英特尔也将更专注于为客户打造基于第四代英特尔®至强®可扩展处理器的SAP实例,以提供更强大和安全的解决方案。
利用SAP应用性能标准基准测试,第四代英特尔至强可扩展处理器与先前代的至强处理器相比,可实现显著的性能提升,这些令人印象深刻的结果也将传递给全球的SAP客户。此外,基于RISE with SAP解决方案,英特尔可将当前的虚拟机(VM)大小扩展到24TB,并计划将VM提升至32TB。
搭配第四代英特尔至强可扩展处理器的SAP客户可具备更快的处理速度和提升的性能,同时最多可实现38%的CPU节能1,并将受益于云端的可扩展性和灵活性。通过利用这些技术,客户更易于部署RISE with SAP解决方案,且能够保障其业务的安全性和可靠性。
英特尔首席商务官Christoph Schell表示:“世界范围内诸多大型SAP S/4 HANA®系统都运行在英特尔架构上,由第四代至强驱动的新型云计算体验,不仅有助于满足SAP客户不断增长的合规性和安全需求,还将使他们能够应用先进技术实现更快、更安全、更集成的业务流程体系。”
第四代英特尔至强可扩展处理器拥有丰富的内置加速器。其在提升性能的同时也实现了客户总体拥有成本(TCO)的降低2,从而使客户能够更好地优化他们针对RISE with SAP的企业资源计划。得益于系统性能的显著提升,客户可以应用更少的系统数量满足其需求。
SAP执行董事会成员兼客户成功业务负责人Scott Russell表示,“通过与英特尔及基础设施即服务合作伙伴展开合作,我们能够实现优势互补并充分利用各自所长,为客户打造出真正创新和强大的云计算解决方案。本次通过双方的努力与合作,也验证了我们为客户通过RISE with SAP提供价值的承诺,我们期待未来与英特尔密切合作,持续推动云端创新。”
除了在云端进行更大规模实例类型的合作外,英特尔和SAP亦将联合探索如何利用机密计算技术为SAP HANA® Cloud,来自SAP的数据库即服务(Database-as-a-Service)产品,提供增强的数据安全性和加密服务,并将首先从Microsoft Azure的机密计算开始。
1 基于SAP BW4HANA场景和SAP SD场景的英特尔性能测试。结果可能会有所不同。
在恒定查询率下,第四代英特尔至强可扩展处理器在商务仓库场景中能够实现高达38%的功耗节省。
在SD场景中,第四代英特尔至强可扩展处理器在恒定用户率下能够实现高达28%的功耗节省。
第四代英特尔至强可扩展处理器 - SPR系统配置
平台:Archer City;处理器:8490H 60C,1.9GHz,350W;BIOS:SE5C6200.86B.0022.D64.2105220049;微码:0xD000375;内存:2TB(32x64GB DDR5 4800 MT/s - 运行在4400MT/s);操作系统:SLE 15 SP4;Linux内核:5.14.21-150400.22-default
得分:7893次查询/小时
第二代英特尔至强可扩展处理器 - CLX系统配置
平台:Wolf Pass;处理器:8280L 28C,2.7GHz,205W;BIOS:SE5C620.86B.02.01.0013.121520200651;微码:0x5003006;内存:1.5TB(24x64GB DDR4 2667 MT/s);操作系统:SLE 15 SP2;Linux内核:5.3.18-22-default
得分:3376次查询/小时
2 ResNet50图像分类
新配置:1节点,2个预生产的第四代英特尔®至强®可扩展处理器8490H(60核),带有英特尔®高级矩阵扩展(Intel AMX),使用预生产SuperMicro SYS-221H-TNR配置,1024GB DDR5内存(16x64 GB),微码0x2b0000c0,HT开启,Turbo开启,SNC关闭,CentOS Stream 8,5.19.16-301.fc37.x86_64,1x3.84TB P5510 NVMe,10GbE x540-AT2,Intel TF 2.10,AI模型=Resnet 50 v1_5,最佳得分达到:BS1 AMX 1核/实例(最大15ms SLA),使用物理核心,由Intel于2022年11月测试。基准:1节点,2个已生产的第三代英特尔至强可扩展处理器8380(40核)在SuperMicro SYS-220U-TNR配置上,DDR4内存总计1024GB(16x64 GB),微码0xd000375,HT开启,Turbo开启,SNC关闭,CentOS Stream 8,5.19.16-301.fc37.x86_64,1x3.84TB P5510 NVMe,10GbE x540-AT2,Intel TF 2.10,AI模型=Resnet 50 v1_5,最佳得分达到:BS1 INT8 2核/实例(最大15ms SLA),使用物理核心,由Intel于2022年11月测试。
对于一个由第三代英特尔至强可扩展处理器8380 (RN50 w/DLBoost)组成的50台服务器群,截至2022年11月的估计如下:
支出成本:164万美元
运营支出(4年,包括电力和冷却公用事业费用、基础设施和硬件维护费用):73.99万美元
能源使用量(4年,每台服务器):44627千瓦时,PUE 1.6
其他假设条件:公用事业费用为0.1美元/千瓦时,千瓦时到二氧化碳排放因子为0.42394
对于一个由第四代英特尔至强可扩展处理器8490H (RN50 w/AMX)组成的17台服务器群,截至2022年11月的估计如下:
支出成本:79.94万美元
运营支出(4年期,包括电力和冷却公用事业费用、基础设施和硬件维护费用):27.53万美元
能源使用量(4年,每台服务器):58581千瓦时,PUE 1.6
AI -- 通过部署更少的基于第四代英特尔® 至强® 可扩展处理器的服务器来满足相同性能需求,TCO降低了55%。在intel.com/processorclaims的[E7]中查看:第四代英特尔至强可扩展处理器。结果可能会有所不同。
数据库 -- 通过部署更少的基于第四代英特尔® 至强® 可扩展处理器的服务器来满足相同性能需求,TCO降低了52%。在intel.com/processorclaims的[E8]中查看:第四代英特尔至强可扩展处理器。结果可能会有所不同。
科学计算(HPC)-- 通过部署更少的基于英特尔® 至强® CPU Max处理器的服务器来满足相同性能需求,TCO降低了66%。在intel.com/processorclaims的[E9]中查看:第四代英特尔至强可扩展处理器。结果可能会有所不同。
注意事项和免责声明
性能会因使用、配置和其他因素而有所变化。更多信息可在Performance Index site上查询。
性能结果基于所示配置的测试日期,可能不反映所有公开可用的更新。请查看备份以获取配置详细信息。任何产品或组件都无法绝对安全。
英特尔的技术可能需要启用的硬件、软件或服务激活。
英特尔不控制或审查第三方数据。您应参考其他来源以评估准确性。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。