7月15日,阿里云宣布推出第三代神龙云服务器,与上一代相比,第三代神龙云服务器的综合性能提升高达160%。
第三代神龙云服务器产品家族提供了最多208核、最大6TB内存,云盘IOPS高达 100万、网络转发高达2400万、网络带宽高达100G,均为全球最高性能水平,支持CPU、GPU、NPU、FPGA等多种计算形态,具备3分钟交付50万核vCPU的极速扩容能力,是云原生的最佳载体。
按照这些数据现实,神龙云服务器的计算性能增长,突破了摩尔定律的极限。
对此,阿里云弹性计算负责人张献涛表示,原来都是是芯片厂商、硬件厂商去做自己的硬件、芯片方面的一些迭代,软件做软件的迭代,大家很少坐在一起来共同去研究和优化接口,因为接口本身都是标准化的。 虽然标准化有标准化的好处,但是标准化没有办法把软件、硬件、芯片这些方面的深层次的能力给挖出来,所以,阿里云从2016、2017年开始,决定自己研发神龙服务器。
阿里云弹性计算负责人张献涛展示神龙云服务器核心组件
“通过软硬一体化的重新设计,可以带来的性能的提升,是超越摩尔定律的,不再是按部就班的算力提升,因为摩尔定律本身有一个业界发展的规律在左右着。”
基于最新款云服务器的阿里云第六代增强型实例,全系搭配ESSD系列云盘,存储转发能力最多提升四倍;支持10Gbps突发内网带宽,单卷延时大幅下降;性能等级按需配置,在线无损变配;同时ESSD使用门槛大幅下降50%。Mysql和Redis性能提升超过15%,Nginx性能提升达100%。配合Alibaba Cloud Linux 2 LTS,启动速度最多提升60%、运行时性能最多提升30%、稳定性最多提升50%。
此外,阿里云ECS的单实例稳定性从原来的99.95%提升到99.975%,跨AZ多实例稳定性从原来的99.99%提升到99.995%,均为全球最高水准。
过去十年,阿里云的存储性能提升了2000倍,网络性能提升了500倍,整体算力以平均每12个月翻一番的速度增长,向摩尔定律的极限发起挑战。
从最早单一的通用计算,到推出异构计算与高性能计算产品,再到今天的一系列新品,阿里云弹性计算已覆盖互联网、金融、零售等行业近300种场景,支撑了各种流量高峰:如12306的春运抢票、微博热点的暴涨流量、钉钉2小时扩容10万台云服务器等。
“随着云计算往纵深方向发展,软硬一体和云原生将成为云计算技术架构的主流。” 张献涛表示,“未来3-5年内,容器在IT架构里面占比将达到一半以上,云原生需要我们将虚拟化推向极致,实现更极致的启动速度、并发能力、部署密度等。”
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。