在戴爾的全球工作站出貨量中,塔式和移動工作站無疑是大頭,幾乎占據(jù)了六成和四成的份額,而機架式工作站僅僅占據(jù)7%的份額,中國市場則更為傳統(tǒng),約有80%-90%的工作站為傳統(tǒng)的塔式工作站,機架僅有2%。
在國外一個行業(yè)用戶中,曾經(jīng)做個這樣一個測試,在員工的工位上保留塔式工作站的機箱,而實際上所有的工作是在虛擬工作站上進行,兩個月之后,沒有員工發(fā)現(xiàn)工作發(fā)生了轉(zhuǎn)變。
實際上,從塔式工作站遷移到虛擬工作站,用戶只需要克服心理上的擔(dān)憂,就可以實現(xiàn)更高的安全性,更好的協(xié)作能力等優(yōu)勢。
當(dāng)然,Andy也認為,這種遷移并不會在一夜之間發(fā)生,在很多行業(yè)用戶中,對性能的要求其實并不是絕對高,他們有時需要移動,有時需要大量的工作站設(shè)備,這些應(yīng)用都暫時無需通過虛擬化工作站來進行,同時企業(yè)部署虛擬化工作還需要對IT人員進行進一步的培訓(xùn)。
為了幫助用戶更好的挖掘工作站的價值,戴爾也在致力于利用完善的服務(wù)去幫助用戶,從而讓用戶不論使用哪種方案,或者使用混合式的方案,能夠最大化的提升業(yè)務(wù)效率與價值。
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。