QLogic今天宣布,该公司已经与为现代数据中心提供高可用性解决方案的创新供应商Veeam达成合作计划,充分利用万兆以太网(10GbE)融合基础设施的优势,为虚拟化环境提供完整的解决方案。QLogic 下一代万兆以太网融合网络能够极大地提高性能以及简化管理,从而能够满足并超越Veeam公司企业客户对于恢复和还原需求的期望。
QLogic正与Veeam在佐治亚州阿法乐特的解决方案实验室展开积极的合作。这足以说明Veeam Availability Suite v8经过了技术联盟合作伙伴的产品性能测试,可以推向客户市场。QLogic作为实验室的I / O提供方,最近更新了其下一代8400系列融合网络适配器,可以实现vSphere和Hyper-V虚拟机管理程序与各种存储阵列之间的连接。QLogic和Veeam公司之间在提供可互操作的解决方案方面有着悠久的合作历史。目前,这两家公司联手努力确保企业在部署QLogic 8400系列适配器与Veeam Backup & Replication™时,实现最大的性能和功能。
Veeam备份恢复可以实现在VMware vSphere和Microsoft Hyper-V下的基于映像的备份、复制和还原功能。Veeam通过一个全新的解决方案,提供高速恢复、避免数据丢失、验证保护、杠杆数据和完整可视性等功能,在15分钟内,帮助企业实现所有应用和数据的恢复时间目标和恢复点目标。Veeam Availability Suite v8中包括Veeam备份恢复和Veeam ONE。它充分利用虚拟化、存储和云等技术,让现代数据中心帮助企业节省时间、降低风险,并显著减少投入成本和运营成本。
QLogic合作伙伴市场营销部门主管Chris Lorenz表示:“数据中心的虚拟机(VM)密度在不断地提升,并且越来越多的关键任务工作负载正在实现虚拟化。这一趋势增加了对共享存储、扁平化且更加可扩展性网络、更高的带宽和更多的I/ O能力的需求。QLogic 10Gb以太网8400系列融合网络适配器和Veeam Availability Suite v8是上面所述的高性能且灵活的新解决方案中的组成部分。它们能够简化虚拟化环境的管理。”
Veeam产品策略社区经理Rick Vanover 表示:“Veeam Availability Suite v8和QLogic10Gb以太网8400系列融合网络适配器之间的整合,实现了现代数据中心的虚拟机、客户端操作系统文件和应用的备份和恢复。通过利用高性能的融合网络基础设施来执行备份和复制任务,系统管理员可以缓解VMware或Hyper-V基础架构的I / O多路径和CPU周期。企业可以最大限度地减少停机时间和中断,以最快的速度和最低的RTPO实现恢复,从而降低数据中心的总体拥有成本并提高服务水平。”
QLogic 10Gb以太网8400系列是一个真正的融合网络适配器,能够基于硬件来卸载以太网光纤通道(FCoE)和iSCSI,从而最大限度地提高存储网络的性能。8400系列是工作负载密集型计算环境的首选,为融合基础设施提供可靠的高性能10GbE连接解决方案。强大的8400系列拥有业界最低的CPU占用率,能够为最苛刻的IT工作负载提供无与伦比的性能。 QLogic 10Gb以太网8400系列适配器具有独立的NIC分区(NPAR)技术(与交换机无关)。该功能是专为物理和虚拟环境设计,使管理员能够将10GbE网络管道在适配器级别进行带宽和资源的划分和重分配,这不仅减少了部署时间,还降低了10GbE迁移的总成本。
满足下一代多租户服务器虚拟化需求
QLogic 8400系列10GbE(万兆以太网)融合网络适配器支持当今最新的网络虚拟化功能,包括:SR-IOV、增强的并发NIC分区和通路卸载功能(VXLAN和NVGRE)。这能够让用户更为灵活地进行技术选择,以更为弹性的虚拟服务器平台。 QLogic 8400系列10GbE适配器的网络功能虚拟化(NFV)功能还能够用于高性能的覆盖网络。如此一来,就相当于在Microsoft Windows Server 2012和VMware vSphere 5环境下的云部署中实现了一个可卸载的NIC,从而最大限度地提高服务器的处理性能。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。