戴尔今天公布了多款第13代PowerEdge服务器新品,这一轮升级更新主要针对Web、企业级以及超大规模应用市场,值得关注的是,新一代服务器更加注重后端存储,利用针对SAN和DAS的流动缓存让服务器可以把最重要的数据缓存到闪存存储中,让存储更加靠近服务器。
这次戴尔推出的5款机型覆盖刀片服务器、机架服务器和塔式服务器,型号分别为PowerEdge R730xd、R730、R630机架服务器、M630刀片服务器和T630塔式服务器,下面这张幻灯片清楚地展示了此次新品的特点及定位:
这一轮更新主要增强了PowerEdge服务器的数据吞吐量和存储密度。其中,R630服务器采用1.8英寸SATA固态盘,IOPS性能提高2.4倍,这样1U机箱内最多就可容纳24个固态盘,容量最高达到19.2TB。R730服务器则在2U机箱内提供了100TB的存储空间,对于SQL数据库来说,这样的增强可以使在线交易处理的速度提高10.5倍。
按照戴尔产品部营销执行总监Brian Payne的解读,此次戴尔PowerEdge的推陈出新主要围绕着3个关键领域展开:
关键点1:存储更亲近计算
戴尔通过第13代服务器提高应用软件的性能,让存储更加靠近计算节点,实现软件定义存储,大幅提升应用性能。
在软件定义存储环境下,把数据进行分层优化数据分布是很重要的。闪存和固态盘很好地确保存储跟上CPU计算能力的增长,更好地处理和支撑在计算节点上的计算和读写能力的增长。企业可以在闪存这样的高性能存储上保存核心关键数据,需要保存但不用经常读取的数据可以保存在具有经济效益的存储介质中。
Payne表示,软件定义存储增长非常快,因此戴尔在设计最新服务器的时候必须将其作为重要的考量因素。此次发布的戴尔第13代服务器采用全新DAS Cache以及Express Flash技术,能够将闪存硬件直接连接处理器,相当于在服务器中放置了热数据存储层和冷数据存储层,最大限度降低处理器的延并提高IO性能,号称是业内唯一的热插拔固态盘,戴尔称其是实现应用性能大幅度提升的“基石”。
关键点2:省钱省力
戴尔第13代服务器简化生命周期管理流程,节约成本并降低总拥有成本。
技术的发展和颠覆性步伐毫无疑问在加快,而很多ITiqye在努力寻找这种恰当的平衡,就是在不增加环境复杂性的情况下以较快的方式推出技术。不仅如此,在软件定义存储的环境下想要监控服务器和存储的运行状况是非常复杂的。
因此,戴尔第13代服务器去掉了针对服务器性能监测的软件代理,实时检测服务器性能和SAS存储健康状况。一项名为iDRAC的快速同步功能可以在设备出现故障的时候自动连线技术支持人员,用手持设备就能发送服务器健康信息和基本设置信息。此外,戴尔还增强了自动化管理,缩短启动时间和维护时间,服务器可自动更新。
关键点3:优化工作负载
现在很多企业都在同时运行着传统业务应用和新兴应用,因此数据中心必须支持各种多样化的工作负载和应用,所以戴尔在设计第13代服务器更加注重满足应用和工作负载的要求,包括业务计算、统一通信和协作,虚拟化和技术计算。
因此,戴尔利用基于开放架构的产品组合优化最密集的工作负载。通过Oracle 12c上的Fluid Cache for SAN提高处理订单速度。在后端,戴尔针对服务器专门设计了低成本大容量MD1400和MD1420增强存储性能。
“现在企业级厂商面临多重压力,因为企业客户需要把传统数据中心变革为新型数据中心,连接成千上万的移动终端,需要分析海量数据,保证信息安全以及构建云环境……戴尔第13代服务器为Web、企业和超大规模应用优化,采用了存储、处理和内存技术中的新技术和系统管理功能。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。