数据中心的创新和加速,似乎是近几年一个永恒的话题,上周刚刚落幕的Avago亚洲数据中心论坛也不例外。
这次论坛上,Avago展示了PCIe共享IO、100Gb光纤收发器、通用存储适配器和高可靠性共享存储四大技术创新,浪潮、VMware和华三等合作伙伴现身助场,讨论数据中心基础架构的变革。
最近一两年Avago相当活跃。2013年底,Avago以65亿美元收购LSI,它保留了自身需要的业务元素,并相继把将其余部分LSI的加速解决方案部门以及闪存组件部门资产出售给希捷,LSI网络处理器业务出售给英特尔,此外以约3亿美元收购PLX,6亿美元收购Emulex。
频繁的买进卖出,表明Avago公司是一家专门从事产品组合构建的厂商,通过收购不断扩大数据中心影响力,这也逐步形成了Avago宽广的产品线。据介绍,Avago目前有超过2万项专利,每年研发投入约6.95亿美元,数据中心为首选投资重点。
现在,Avago与OEM合作伙伴之间拥有超过数千百种产品的协作关系,其范围涵盖通信包括无线、有线、企业级存储和工业市场。收购LSI之后Avago正式进军企业存储市场,针对从小型到超大规模数据中心,从存储处理器到固态盘等存储介质。
目前Avago存储业务的主要产品类型包括芯片、控制器、扩展器、PCIe交换器、软件固件等,而面向的客户以服务器OEM和ODM厂商、外部存储OEM和ODM厂商为主,这也使得OEM和ODM厂商较为集中的中国成为Avago增长最快的地区之一。
正如IDC中国区总裁霍锦洁在演讲中称,“未来数据中心的最大赢家将是在中国,这里是新技术的开创地”。在中国开展业务的同时,伴随数据中心规模日益壮大,Avago自身也在经历一场转型。LSI高级副总裁兼数据中心解决方案部总经理Tom Swinford称,如今Avago在中国市场主要帮助OEM厂商快速推出方案,在超大规模数据中心方案设计以及基于NVMe的固态盘设计上投入了大量精力。
对于数据中心复杂的变化趋势,Avago认为数据中心对固态盘的需求是非常强劲的,甚至已经开始超过传统硬盘的采购量。不仅如此,由于SATA已经成为数据中心性能的瓶颈,而NVMe芯片发展速度越来越快,固态盘的OEM厂商有70%的研发经费已经转向了NVMe领域,因此现代化数据中心正在朝着PCIe、NVMe作为物理接口和协议的方向过渡。
市场在转型,但是数据中心且并没有大规模采用NVMe,Swinford分析背后的原因是存储连接性方面存在技术空白。Avago在去年以3亿美元收购PLX,获得了存储数据交换技术并融入Avago产品,即将推出业界首款针对NVMe优化的网络链接产品,据称可以同时控制连接20个NVMe盘,打造一个基于NVMe的外部存储平台。
例如,这次论坛上Avago就和浪潮联合展示了使用PCIe交换芯片和服务器通用控制器连接,实现存储共享,针对中国拥有超大规模数据中心的企业。之所以如此关注PCIe,是因为现在数据中心很多组件都自带了PCIe接口,这样通过自带资源与PCIe接口实现连接,无需使用其他协议。
不仅如此,在很多场景下,把PCIe用于处理器与GPU之间、GPU与GPU之间的连接,使得数据中心自身的很多硬件,以软件方式实现硬件的集成。Avago数据中心解决方案事业部市场营销与支持副总裁Jas Tremblay认为,要做软件定义存储,就必须实现服务器与存储之间的互联互通,这正是Avago擅长的领域。
在会后接受采访时Swinford表示,Avago在软件定义存储方面的策略,是主要由操作系统级厂商主导,Avago起辅助的作用,包括和一些主流及创业型公司合作,例如Avago在这次论坛上就宣布与VMware投资建立联合实验室,共同开发软件定义的数据中心方案,并承担一些认证和测试的工作。
最后在谈到针对中国市场的定制化战略时,Tramblay解释说,目前在中国市场的定制化主要分为三个层次:芯片级,尤其是数据中心ODM厂商和高性能计算厂商;主板级,和OEM厂商做主板设计上的定制化,体现设计和成本上的差分性;软件级,现在Avago会帮助一些伙伴尤其是高性能计算厂商做软件定制,而这在两年前还没有过的。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。