在为期两天的华为云计算大会(HCC2014)期间,华为发布服务器新品牌FusionServer及基于英特尔®至强™E5-2600 v3的V3系列服务器。并宣布面向未来的业务驱动基础架构(Service Driven Infrastructure,SDI)。且披露了华为服务器开放合作与市场最新进展。
华为IT产品线服务器总经理邱隆表示,根据Gartner公布的全球服务器数据显示,2014年第二季度和整个上半年,华为服务器出货量居全球第四、中国第二。自2013年第三季度华为服务器出货量首次进入全球前四以来,已连续4个季度稳定在这个排名。
华为服务器首席架构师林俊指出,“一方面全球300亿个人终端、400亿TB数据、1000万种移动应用等越来越多的需求,让传统IT基础设施正变得不堪重负;另一方面这些海量数据和虚拟化业务的背后,是云计算和大数据时代的到来。这两种趋势特征使得计算模式和应用将会发生重构。”
对此,不同于传统的“软件+标准服务器”架构,华为推出针对云数据中心、基于业务驱动的基础架构SDI(Service Driven Infrastructure),该架构由SDS(Software-Defined Storage,软件定义存储)、SDN(Software-Defined Network,软件定义网络)软件模块和SDI硬件模块组成。
传统服务器、存储、网络资源依赖CPU控制,而在SDI模式中,存储和网络资源由SDI硬件统一控制,并以计算服务面向用户的服务器形成统一资源池,最终形成数据中心的基础架构。相比传统数据中心架构,华为SDI能够降低78%的总体拥有成本(TCO),通过SDI控制器智能业务调度将CPU利用率提升1倍,同时性能进一步获得提升。
同时,华为还推出服务器全新品牌“FusionServer”,致力于构建面向云数据中心的“开放、融合”创新基础设施。
“FusionServer”品牌的发布,体现了以计算和需求为中心的三大基因:
与FusionServer一同发布的,还有定位于云数据中心最佳基础设施的X6800服务器。该服务器体现了FusionServer为客户持续聚焦云时代背景下的核心价值。
X6800 是一款数据中心服务器,可最大化节省客户投资,降低TCO。 X6800服务器架构灵活,专门针对软件定义存储、大数据、SDI业务驱动基础架构等应用进行极致优化设计,可实现同一架构适配多种业务,满足灵活多变的业务需求。
华为还推出了一系列基于英特尔®至强™E5-2600 v3处理器家族的FusionServer V3服务器,包括承担企业主流业务应用的RH1288 V3、RH2285 V3、RH2288 V3以及融合架构E9000刀片服务器CH121 V3、CH220 V3、CH222 V3以及CH242 V3节点。
V3系列FusionServer服务器丰富了华为面向业务优化、融合、开放的服务器解决方案,横向扩展、纵向扩展、融合架构和I/O加速的多维度应用水平得到进一步提升。
华为服务器坚持以客户需求为导向持续创新、开放合作。在此次HCC2014上,华为与航天长峰联合发布基于华为服务器的视频整合共享平台一体机,携手致力于共建安全、智慧的现代城市。
北京航天长峰科技工业集团有限公司董事长唐宁表示,“华为与航天长峰的合作已进入一个跨越项目、渠道、研发等多层面的战略合作新阶段,并且在多个国家重大安保项目实施中发挥了重要作用。”
华为还展示了联手SanDisk打造的低时延内存SSD平台。在高性能数据库,虚拟化等领域,华为一直致力于寻找时延更低,带宽更大的加速解决方案。来自SanDisk的ULLtraDIMM配合RH8100 V3、RH5885H V3等大内存容量、强处理能力的服务器将是一个完美组合。经过RH8100 V3实际测试,ULLtraDIMM的性能比传统的PCIe资源在延时、带宽上均有较大的提升。通过超低时延内存SSD平台,可打造适用于数据库Cache(包括OLTP和OLAP)、虚拟化Cache等应用场景的解决方案。这预示着华为将为客户提供更为完整的SSD解决方案,利用华为Cache解决方案,将ULLtraDIMM等高性能SSD设备性能发挥至极致。
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。