Avago公司今天在北京举行首届Avago亚洲数据中心论坛。选择首次在中国举办,体现了中国数据中心产业在全球市场扮演的重要角色。峰会主题为“永续扩展 有我助力”,浪潮、VMware和IDC中国等国内外16家领袖公司将出席峰会。Avago 高级副总裁兼数据中心解决方案事业部总经理Tom Swinford出席论坛并演讲。
2015年,云计算和大数据不断演进,全球数据中心正在掀起变革浪潮,越来越多的数据中心都面临着海量数据带来的性能扩展的挑战。应运而生的虚拟化、软件定义等新技术、新概念,对数据中心基础架构带来了深远影响。
针对上述背景,Avago亚洲数据中心论坛汇聚行业各方专家,共同探讨了如何利用第三方平台加速企业创新;最新的数据中心创新成果和实践案例;演示可扩展的、软件定义的数据中心的先进性等热点话题。
作为论坛的主办方,Avago凭借持续地技术创新,在PCIe 共享IO、网络通信性能提升、数据资源共享等领域拥有众多核心技术,成功应对数据中心规模扩展中的挑战,全面引领数据中心正在经历的变革。
展示四大创新技术, 加速数据中心性能
- PCIe共享IO
使用PLX 97系列PCIe交换机中提供的“通道化窗口连接”功能,系统设计人员现在可以探索在用于网络和存储并支持SR-IOV的PCIe交换机中实现共享IO的可能性。
借助新型Avago PLX 97系列PCIe交换机,数据中心能够部署新一代具有最佳成本、性能和可靠性平衡的解决方案。
- 100Gb光纤收发器
新型Avago 100Gb 光纤收发器能够帮助数据中心将大数据分析(Hadoop)搜索引擎等重负载网络通信相关应用的总体性能推到全新的高度。
与Avago SAS和PCIe解决方案的高性能结合,网络和存储不再是数据中心的主要瓶颈。
- 通用存储适配器
结合HBA的简便易用性和MegaRAID出色的错误处理功能,该新型通用存储适配器使数据中心能够更好地保持和管理所安装的大量低成本商用SATA HDD的性能和可靠性。
- 高可靠性共享存储
Avago新推出的两款Syncro高可靠性存储方案Syncro 9380-8e和Syncro 9361-8i,配有12Gb/s SAS技术,两倍提升存储性能。依托于MegaRAID技术,Syncro产品实现了跨多台服务器共享存储功能,同时提供非常高的可靠性及可扩展性。
Avago 高级副总裁兼数据中心解决方案事业部总经理Tom Swinford表示:“作为数据中心解决方案全球领先供应商,Avago始终专注于研发,通过一种高性价比的方式充分发挥新技术的能量,让数据中心具备更强的处理能力、更大的存储容量、更高性能的网络、更高级的安全保障。在数据中心ASICs、PCIe转换器、企业级HDD、SSD控制器等领域占据着领导地位。”
Avago数据中心领导地位:
- 数据中心ASICs供应商:排名第一
- PCIe转换器供应商:排名第一,年出货量8,000,000
- 存储连接芯片、主板和软件供应商:排名第一
- 企业级和数据中心HDD、SOC和前置放大器供应商:排名第一
- SSD控制器供应商:排名第一
关于Avago 2015亚洲数据中心论坛的更多信息,请浏览: http://www.glyyc.com/avagodcf2015/
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。