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
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。