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
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。