IBM的Spyre加速器将于本月底正式发布,为其企业级硬件提供AI能力提升,包括z17大型机、LinuxONE 5和Power11系统。
IBM将Spyre描述为专门构建用于处理AI处理需求的加速器,将于10月28日面向IBM z17和LinuxONE 5系统正式发布,12月初面向Power11服务器发布。
IBM Spyre加速器
该硬件在今年早些时候与z17一同发布,z17是IBM最新的大型机产品。它是基于定制芯片的PCIe卡,配备32个独立加速器核心,据了解其架构类似于嵌入在为z17提供动力的Telum II处理器中的AI加速器硬件。
其设计目的是让AI处理能够扩展以满足客户对IBM企业系统的任何需求,这些需求通常包括对金融交易的欺诈检测检查,但生成式AI和大语言模型现在也可能成为工作负载组合中的一个特色。
因此,可以在IBM Z或LinuxONE系统中配置多达48张Spyre卡的集群,或在Power系统中配置多达16张卡。
IBM基础设施首席运营官Barry Baker表示:"我们的关键优先事项之一是推进基础设施以满足新兴AI工作负载的需求。通过Spyre加速器,我们正在扩展系统功能以支持多模型AI,包括生成式和智能体AI。这一创新使客户能够以不妥协的安全性、弹性和效率扩展其AI支持的关键任务工作负载,同时释放其企业数据的价值。"
多模型(非多模态)是指使用多个模型来提高准确性并减少假阳性,当执行推理工作时。
IBM在z17发布时声称,它看到了一个新兴趋势,即结合预测性AI和大语言模型的优势来提取新特征或新见解,以获得更好或更准确的结果。
Gartner基础设施和运营组管理副总裁Mike Chuba当时告诉我们,IBM在理解和支持其大型机客户需求方面投入了更多努力。
"IBM的研发工作现在专注于新硬件如何直接解决客户面临的挑战。对AI的关注,以及他们在z16上引入的专用加速器和这一代产品中即将推出的涡轮增压版本2,直接解决了例如在交易点进行欺诈检测的挑战。"
9月底,IBM还发布了z/OS 3.2,这是其大型机操作系统的最新版本。这为z17中的AI加速器技术提供了支持,还具有使z/OS数据在混合云和AI环境中无需依赖提取-转换-加载(ETL)过程即可访问的功能。
IBM此前表示,此版本将添加对现代数据访问方法和NoSQL数据库的支持,以允许AI利用更广泛的企业数据集来应用预测性业务洞察。
其他可以从Spyre加速器中受益的系统包括最新的LinuxONE型号,它由与z17相同的Telum II处理器驱动,但仅运行Linux;以及Power11系统如Power E1180,可配置多达256个核心。
Q&A
Q1:IBM Spyre加速器是什么?有什么用途?
A:IBM Spyre加速器是专门为处理AI需求而构建的硬件加速器,基于配备32个独立加速器核心的定制芯片PCIe卡。它主要用于为IBM的企业级系统提供AI处理能力,包括欺诈检测、生成式AI和大语言模型处理等工作负载。
Q2:Spyre加速器支持哪些IBM系统?何时发布?
A:Spyre加速器支持IBM z17大型机、LinuxONE 5和Power11系统。对于z17和LinuxONE 5系统,将于10月28日正式发布;对于Power11服务器,将在12月初发布。
Q3:Spyre加速器可以配置多少张卡?
A:根据不同系统有不同配置:在IBM Z或LinuxONE系统中可以配置多达48张Spyre卡的集群,而在Power系统中可以配置多达16张卡,以满足客户对AI处理能力的扩展需求。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。