CNET科技资讯网 3月10日 北京消息:3月8日, 在2017年开放计算项目(Open Compute Project)峰会上,高通数据中心技术公司宣布将与微软合作,通过其10纳米Qualcomm Centriq™ 2400平台加速新一代云服务发展。该合作将涵盖未来数代硬件、软件及系统。
为了保证各种云计算负载能够在Qualcomm Centriq 2400服务器驱动的Microsoft Azure云平台上运行,高通数据中心技术公司于8日向开放计算项目提交了使用10纳米Qualcomm Centriq 2400先进平台的服务器规格——其规格是基于微软最新版Project Olympus的配置,为微软内部使用而开发。
多年来,高通数据中心技术公司一直与微软基于ARM架构服务器进行合作。高通数据中心技术公司在微软驻有现场工程团队,针对供微软数据中心内部使用、基于Qualcomm Centriq 2400系统的Windows Server进行协同优化。
高通数据中心技术公司方面表示,其向开放计算项目提交的方案,是双方多方面、多层次合作的结晶,以推动ARM架构进入数据中心领域。它涵盖多个硬件和软件领域,包括板卡开发、固件、操作系统、编译器与工具以及CoreCLR。
Qualcomm Centriq 2400开放计算主板搭配高通最近发布的10纳米48内核服务器处理器,提供最先进的内存、网络和外部接口,支持开放计算项目社区面向最常用的云计算负载进行访问并设计基于ARM架构的服务器。它适合标准的1U服务器系统,支持系统厂商面向计算密集型数据中心工作负载灵活地创建创新型、可配置的设计。同时,它能够与计算加速器、多通路技术网卡和尖端存储技术(例如NVMe)匹配,面向特定工作负载进行性能优化。
高通数据中心技术公司产品管理副总裁Ram Peddibhotla表示:“高通数据中心技术公司正在通过提供全球首个10纳米服务器平台加快数据中心领域的创新。我们与微软的合作,以及为开放计算项目社区做出的贡献,起到了促进创新的作用,例如将Qualcomm Centriq 2400纳入数据中心设计并进行快速部署。通过与微软和其他业界领先合作伙伴的协作,我们正在为系统设计的普及和广泛的ARM服务器生态系统提供支持。”
微软公司Microsoft Azure云平台杰出工程师Leendert van Doorn博士表示:“微软和高通数据中心技术公司的合作着眼于未来,开发有潜力塑造数据中心未来的服务器加速与内存技术。双方基于供微软内部使用的 Windows Server的联合工作,以及Qualcomm Centriq 2400开放计算主板服务器规格能够与微软Project Olympus兼容,是支持我们的云服务在Qualcomm数据中心技术公司服务器平台上运行的重要举措。”
作为进一步支持该生态系统并承诺投入的标志,Qualcomm数据中心技术公司还宣布作为金牌会员加入开放计算项目基金会。Qualcomm Centriq 2400主板对开放计算项目所作的贡献,不仅突显了开放的硬件创新,并且强调了技术合作伙伴通过提供企业级操作系统、固件、协处理器、连接器产品、Java和其他技术来完善数据中心ARM生态的重要性。Qualcomm数据中心技术公司将继续与红帽、Canonical、Mellanox、赛灵思和AMI等领先公司合作,打造丰富的生态系统,做好入市准备和软件扩展工作。
Qualcomm Centriq 2400开放计算主板将于2017年开放计算项目美国峰会微软展台(A4)和Mellanox展台(C-23)进行展示,峰会于3月8日和9日在加利福尼亚州圣克拉拉市举行。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。