技術行業(yè)日新月異。過去的20年里,IT部門一直扮演著技術集成商的角色。但是近四年來,云計算、即服務技術,IT消費化、移動計算的爆炸式發(fā)展、數據量的激增以及業(yè)務復雜性的加大改變了IT模式。傳統(tǒng)的數據處理技術已不能夠滿足需求。高速增長的數據要求采用高性能技術和系統(tǒng),以即時處理數據并按需擴展。
Gartner公司預測,在2015年將有49億個聯網物體,比2014年增長30%,該數字在2020年將達到250億。這將造成數據量的指數級增長,而所有這些數據都將為企業(yè)帶來獨特的價值。因此,業(yè)內正在崛起從開源數據分析和數據庫平臺到內存數據庫的新型技術和架構,旨在從數據中獲取價值并提供業(yè)務成果。
當下,云、移動辦公、大數據及安全性的大趨勢為所有行業(yè)中各種規(guī)模的企業(yè)帶來了業(yè)務挑戰(zhàn)和戰(zhàn)略機遇。為了最大化的挖掘數據價值,基礎設施必須在規(guī)模、性能和效率方面進行優(yōu)化。這當中,惠普就針對服務器做了專為工作負載的優(yōu)化。
據悉,目前惠普服務器有三十多條產品線,滿足客戶多種細分需求,既有面向重要業(yè)務應用的、也有面向關鍵業(yè)務環(huán)境的,面向大數據、高性能計算和Web擴展、面相虛擬化和云工作負載的服務器。在近日惠普服務器傳奇之旅發(fā)布會上,惠普就發(fā)布重要業(yè)務服務器:DL 580 Gen9,DL 560 Gen9,BL 660c Gen9,還有面向大數據、高性能計算和Web擴展服務器Apollo 2000、4000系列,CS200、300、900。
惠普新的計算平臺針對數據密集型工作負載進行了量身定制,專為各種新興技術和應用而開發(fā),包括大規(guī)模內容存儲、數據塊和文件存儲、非結構化和實時分析,以及簡單和交易數據庫。通過這些針對橫向擴展和縱向擴展需求的產品,惠普實現了全生命周期的產品支持。
這些擴展其融合系統(tǒng)產品,包括改進的HP OneView 2.0管理平臺以及一系列新的工作負載優(yōu)化的參考架構。這些最新產品旨在為客戶提供轉向混合基礎架構所需的靈活性和選擇,同時保護其現有IT投資。
事實上,傳奇并非一蹴而就,追溯到惠普服務器的發(fā)展史,自1985年惠普進入中國的這30年間,惠普創(chuàng)新的一小步,卻是推動服務器行業(yè)發(fā)展的一大步。
從1989年惠普推出全球第一款x86服務器,到1995年惠普為用戶解決空間占用難題推出全球第一款機架服務器,再到2001年惠普銳意創(chuàng)新推出全球第一臺基于x86平臺的刀片服務器,時隔5年,惠普又率先推出動態(tài)功率封頂技術,引領服務器技術變革。當然,惠普創(chuàng)新的步伐遠未停止。
2012年,融合150多項客戶驅動型創(chuàng)新技術的HP ProLiant Gen8智能服務器問世,僅僅1年時間,惠普接著又推出全球第一臺軟件定義服務器即惠普登月服務器引領計算時代創(chuàng)新,直到去年,針對高性能計算應用的100%液體冷卻超級計算機新款Apollo服務器,并推出超級融合系統(tǒng)實現IT即服務的愿景。
在未來,惠普即將推出基于憶阻器的全新項目The Machine,執(zhí)行速度甚至不到一萬億分之一秒,極大提高計算密度,同時降低運行功耗,惠普的全球戰(zhàn)略將更加專注于創(chuàng)新。
目前,惠普企業(yè)集團的中國戰(zhàn)略已全面付諸實踐。在最底層的基礎架構,有一套綠色數據中心技術、解決方案和配套服務,當然還有服務器、存儲和網絡這數據中心的三大基礎組成部分;緊挨著的上一層的平臺及軟件層也是基于OpenStack的云平臺及管理軟件;在最上層云服務中,有許多落地的云應用,為引領中國產業(yè)升級、加速行業(yè)服務創(chuàng)新、打造惠普IT新形態(tài)做出了許多努力。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現大語言模型訓練加速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練效率,已在多個任務上驗證有效性。