NetApp正着手推出ONTAP FAS、E系列以及EF系列阵列,旨在为澳大利亚的NCI Raijin超级计算机提供更为出色的数据容量以及访问能力。
NCI全称为澳大利亚国家计算基础设施,而Raijin系统则“为富士通Primergy高性能、分布式内存集群。”
这套系统中包括:
• 总计3592个计算节点以及其中的57472个计算核心(采用英特尔至强Sandy Bridge技术,主频为2.6 GHz)。
• 主内存为160TB。
• 采用MellanoxInfiniband FDR互连机制。
• 可用快速文件系统容量为10PB(作为短期性活动空间使用)。
• 存储硬件采用DDN SFA12000 Hardware组RAID 5,二者当中各容纳有840块磁盘驱动器。
• 峰值处理性能约为每秒1.2千万亿次。
• 总体SPECfp_rate_2006浮点计算性能为160万。
Raijin据称是神道教中执掌雷鸣、闪电以及风暴的神。从读音角度出发,大家不妨直接将其称为Raging。
NetApp公司所提供的这套存储方案主要面向VMware与OpenStack用例,并将把Raijin的存储容量由原本的33PB提升到44PB。目前我们尚不清楚这多出来的11PB存储空间当中有多少由EF全闪存存储设备提供。这笔交易的总体金额为200万美元,NetApp将与富士通方面一道将相关硬件安装到Raijin系统当中。
很明显,NetApp提供的这套存储方案将以“pod”方式加以实现——即容量块化机制——这样用户即可根据规模化需要向其中添加更多pod单位。
NCI方面希望建立起一套全局并行文件系统存储机制,从而容纳国家环境研究数据收集(简称NERDC)数据集合,其内容深层空间研究到地球核心数据可谓无所不包。通过运用闪存存储的先天速度优势,研究人员计算任务的访问速度将得到极大提升。
面对这一案例,我们不禁产生了疑问。将FAS阵列应用为超级计算机存储机制确实非常典型,但采用E系列阵列则令人百思不得其解。其中最奇怪的部分是,NCI方面似乎并不打算单纯拓展其DDN存储容量——因为如果要达成这一目标,他们只需单纯安装并运维新的存储硬件即可。既然如此,他们为什么还要大费周章地引入一家新供应商、两套操作系统——即ONTAP与SANtricity——以及三款硬件产品:FAS、E系列以及EF系列阵列呢?
因为属于公共支出范畴,其中的缘由以及考量也许不足为我们这些外人所道。当然,这也可能是由Raijin系统特性使然。
备注:值得一提的是,这份订单当中同时也涉及到了DDN,其中指出DDN“……主宰着全球超级计算五百强站点,具体而言排名前一百的超级计算体系中有超过60%依靠DDN这项专门针对该类市场的技术设计方案实现性能保障与任务流加速。在部分情况下,NetApp公司在高性能计算领域拥有极具竞争力的价格优势,并能够借此牢牢把握一部分市场份额。”
DDN在澳大利亚国内拥有良好的推广态势——其借100PB RSI存储云斩获了相当可观的订单数量。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。