闪迪公司今天宣布,其备受赞誉的ULLtraDIMM固态硬盘 (SSD) 被华为技术有限公司选择应用于其RH8100 V3服务器中。在使用 RH8100 V3服务器的各种企业工作负载和最终用户场景下,华为经过广泛测试,最终选择了ULLtraDIMM SSD。测试表明,ULLtraDIMM SSD实现了业界最低的低于 5 微秒的写入延迟,并提供了超越任何其他SSD解决方案的带宽。仅靠为存储器总线添加闪存存储,华为就能够解决客户不断增长的数据中心应用性能需求,而无需进行大笔额外基础设施投资。
“闪迪ULLtraDIMM SSD旨在扩大超低延迟闪存存储在整个数据中心内的覆盖范围,这样不论带宽或容量的密集程度多高,都能够根据任何企业应用的需求来灵活缩放,”闪迪企业存储解决方案部高级副总裁兼总经理 John Scaramuzzo 表示。“我们非常高兴与华为合作提供这一创新的超低延迟存储解决方案来帮助其客户提升云计算、虚拟化、OLTP, HPC 和其他应用的性能,亦能感受数据中心进入闪存时代后的优势。”
华为致力于提供完整的SSD解决方案,将闪迪ULLtraDIMM、PCIe加速卡、SAS和SATA SSD的功能与华为自主开发的缓存软件相结合,从而以最低的延迟来提升应用性能,同时还提供可扩展性,以便处理带宽密集型数据库和虚拟化应用。配备ULLtraDIMM SSD后,华为RH8100 V3服务器能够凭借采用 RAID0 阵列的4块400G硬盘实现超过100%的随机写入IOPS提升,这超过了每个服务器IOPS数的四倍。华为还希望将ULLtraDIMM SSD作为华为缓存解决方案的组成部分,用于关键数据库和虚拟化部署。
“我们渴望将ULLtraDIMM用在新推出的RH8100服务器中,帮助客户利用节能与散热方面的创新技术以及更高的计算和存储密度,最大化性能功耗比和性能空间比”华为IT产品线服务器领域总裁邱隆表示。“采用ULLtraDIMM后,我们就能够提供完整的解决方案,以经济高效的方式为数据库和虚拟化应用实现可扩展的超低延迟性能。”
企业数据量早已突破了传统存储的阻碍,根据IDC统计,到2020年,全球数据量预计将达到44ZB。在这些业务功能不断增长的同时,最终用户对即时获取信息的需求也在不断增加,因此,首席信息官 (CIO) 如何在降低总体拥有成本(TCO)的同时,利用存储对这些需求进行管理,就需要进行彻底的变革。
“能够使应用加速并降低延迟,这对华为的企业战略具有重大的价值。我们2014年的市场调查显示,华为服务器被列为中国云计算和移动应用的首选。配置了闪迪ULLtraDIMM SSD的RH8100 V3服务器,将增强华为在企业市场中的技术组合与价值。”中桥国际调研咨询有限公司分析师Linsey Yang表示。
在DRAM存储器通道中加入闪存技术能够加快闪存存储技术在企业数据中心的应用,并完善闪迪基于闪存的现有服务器硬件和软件存储解决方案。在存储器总线中使用闪存可确保业务应用中的超低延迟,从而改善应用响应时间。还可以向可用DIMM插槽中添加更多的ULLtraDIMM SSD,在不影响延迟的情况下提高性能和容量。这为服务器系统的设计创造了新的机会,使其能够支持需要极高速存储的应用(例如VDI、事务处理、虚拟化和云计算)。
ULLtraDIMM SSD由闪迪与 Diablo Technologies 合作开发,预计将于 2015 年第二季度首次应用于华为RH8100 V3服务器中。SanDisk将于2014年9月16日至17日在上海世博中心举办的华为云计算大会(HCC)上展示ULLtraDIMM SSD,展位号为5003。
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。