北德超级计算联盟(简称HLRN)正着手购置容量超过1PB的分层式克雷(Cray)存储设备,旨在保存其科学研究归档数据。
HLRN作为联合项目,其成员包括柏林、勃兰登堡、不来梅、汉堡、梅克伦堡-前波莫瑞、下萨克森以及石勒苏益格-荷尔斯泰因这七个地处德国北部的州。
该项目所使用的分布式超级计算机系统由柏林楚泽研究所(简称ZIB)以及莱布尼兹汉诺威大学的下萨克森州区域计算中心(简称RRZN)负责托管。
此次克雷TAS(即分层式自适应存储)设备所要打理的数据是由RRZN计算中心在环境、气候及海洋建模、物理、化学、生物信息、工程以及流体力学等领域的研究过程中所产生。
此次安装的TAS设备方案提供超过1PB数据存储容量,其最高扩展能力可达到75PB以上——这样豪华的配置令RRZN的存储管理员与克雷公司的销售代表都感到十分满意。
HLRN中的克雷设备
TAS利用Versity软件对各个归档层加以管理,并支持SSD、磁盘以及磁带等多种存储介质。克雷公司于去年年末正式推出TAS方案,并宣称它能够凭借四个灵活的存储层级完成文件虚拟化以及策略驱动下的自动化数据移动任务。
Cray TAS方案工作原理示意图
RRZN将利用克雷TAS取代原先的甲骨文SAM-QFS系统,新设备将负责支持“德国北部各州对于超级计算资源的大规模需求”,RRZN高性能计算部门负责人Steffen Schulze-Kremer博士表示。
这套TAS归档方案将与RRZN的超级计算系统相集成,克雷公司在采访中同时指出,这将是一套终端到终端数据管理方案,并“涵盖全部软件与硬件,能够消除由大型归档体系在规划、设施以及建设方面所带来的复杂性。”
目前与SAM-QFS配合使用的现有策略引擎还将继续服役。克雷公司表示RRZN的选择“为未来的数据分层需求带来了坚实的发展路线图。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。