趨勢一:從桌面轉(zhuǎn)向數(shù)據(jù)中心
傳統(tǒng)的工作站應(yīng)用場景是典型的終端計算場景,每一臺工作站都僅僅是最大化的釋放自身的性能資源,并且企業(yè)最終用戶需要在工位上布置龐大的工作站終端,即便有了移動工作站,其應(yīng)用也是基于桌面計算,戴爾認(rèn)為,未來工作站的應(yīng)用將逐步向云端遷移,將工作站部署在企業(yè)數(shù)據(jù)中心中,一個機架式工作站虛擬成為若干臺虛擬工作站,分配給一個或者多個用戶使用,用戶通過VDI接入到后臺的虛擬機上,而桌面終端可以采用瘦客戶機甚至零客戶機產(chǎn)品,終端幾乎不承載任何計算工作,僅僅作為一個顯示、輸入輸出的交互終端。
這樣的模式能夠帶來幾種好處:
首先,用戶體驗幾乎不會發(fā)生變化。這種方案從整體的IT架構(gòu)來看,已經(jīng)發(fā)生了巨大的變化,承載計算的設(shè)施完全位于數(shù)據(jù)中心中,但從企業(yè)最終用戶的層面來看,終端的用戶體驗幾乎不會發(fā)生變化,終端在屏幕上看到的仍然是一臺正常運行的工作站,所有的界面、使用完全一致,企業(yè)用戶如果原來使用的是Windows 7加上AutoDesk的解決方案,現(xiàn)在仍然是這樣,不會有任何變化。
其次,安全得到更大體現(xiàn)。原有的桌面工作站,數(shù)據(jù)完全保存在終端上,對于一些設(shè)計敏感數(shù)據(jù),企業(yè)的控制力實際上是非常弱的,而建立虛擬化的工作站運行模式之后,所有的數(shù)據(jù)保存在數(shù)據(jù)中心中,企業(yè)對數(shù)據(jù)實現(xiàn)了完全的掌控,而物理硬件丟失的情況也基本完全杜絕。
第三,更好的協(xié)作辦公。在終端工作站模式下,團隊協(xié)作相對是比較困難的,動輒上百兆的設(shè)計文件,也很難實現(xiàn)共享和互聯(lián)互通,組織會議討論也并不方便,而利用虛擬化,不論是在平板電腦還是智能手機上,都可以實時演示工程文件,同時由于文件都保存在服務(wù)器上,企業(yè)內(nèi)交流零延時,所有擁有權(quán)限的用戶可以實時查看相關(guān)數(shù)據(jù),溝通的復(fù)雜性降低,溝通效率大大提升。
第四,支持多設(shè)備。虛擬化完全拓展了工作站在終端交付的模式,不僅僅是傳統(tǒng)的PC、工作站上可以運行虛擬工作站,在瘦客戶機、零客戶機,甚至智能手機和平板電腦上,都可以運行,由于計算被交付到后端,前端不承載計算任務(wù),實際上大大拓展了工作站的終端形態(tài)。
最后,更高效的工作流。新的虛擬化模式能夠幫助企業(yè)建立更有效的管理和運營流程,實現(xiàn)高效的業(yè)務(wù)流程,縮短業(yè)務(wù)交付周期。
趨勢二:自由的獲得高質(zhì)量的創(chuàng)造。
未來,用戶需要能夠自由的擁有極強的設(shè)計內(nèi)容創(chuàng)造能力,這就像醫(yī)生,也許菜刀也是一種刀,但顯然手術(shù)刀會更加適合于醫(yī)生動手術(shù),盡管仍然有大量的用戶使用傳統(tǒng)PC這樣的菜刀來完成工程設(shè)計,但是毫無疑問,工作站這樣的手術(shù)刀將更能夠幫助用戶達成目標(biāo)。同時,用戶對于工作站性能的要求是永無止境的,未來用戶也會要求性能更加強勁的工作站產(chǎn)品,幫助他們更快的完成工作,幫助他們實現(xiàn)創(chuàng)意的不間斷進行。此外,用戶還對移動有著強烈的需求,他們需要更加輕薄的工作站產(chǎn)品,來滿足移動辦公的需求,工作站并不僅僅是固定在工位上的產(chǎn)品。
趨勢三:創(chuàng)造關(guān)鍵業(yè)務(wù)。
一方面,企業(yè)需要能夠挖掘更多的創(chuàng)意潛能,不讓IT成為創(chuàng)意的阻礙,激發(fā)更多的創(chuàng)意靈感,另一方便,企業(yè)用戶需要實現(xiàn)更加流暢的創(chuàng)意過程,盡可能的消除傳統(tǒng)設(shè)計環(huán)節(jié)中“渲染”等打斷創(chuàng)意的流程。企業(yè)需要實現(xiàn)更高的生產(chǎn)力,在單位時間內(nèi)創(chuàng)造出更多的價值。
為了應(yīng)對工作站未來的這些趨勢,戴爾將致力于打造更高可用性的產(chǎn)品。除了不斷采用業(yè)界最頂級的硬件配置之外,戴爾還提供了很多的性能優(yōu)化交付方案,比如DPPO(Dell Precision Performance Optimizer,戴爾Precision工作站性能優(yōu)化工具),這是戴爾的工程師與各大ISV攜手打造的智能性能優(yōu)化工具,比如說企業(yè)用戶將會在戴爾的工作站上應(yīng)用ProE,那么,DPPO的作用就是將工作站的各項參數(shù)設(shè)置成為為ProE進行最大程度優(yōu)化,應(yīng)用DPPO,戴爾甚至可以實現(xiàn)在同一個硬件平臺上,50%以上的軟件效能提升。
此外,戴爾還在工作站中引入了大量人性化的設(shè)計元素,比如類膚質(zhì)的材質(zhì),輕薄小巧的機身,更靈活的硬件選配方案等等,讓工作站擁有更好的體驗。
而在虛擬化上,戴爾更是一騎絕塵,他們的Precision R7610已經(jīng)成為工作站虛擬化的旗艦,基于R7610的解決方案可以實現(xiàn)1:1直到1:4的虛擬機配置,讓設(shè)計工作顯得更加高效。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。