希捷公司在超级计算机存储领域的销售势头正一路向好,其中在克雷公司已经签订的四份超级计算机构建订单当中,所使用的Sonexion 2000存储方案实际上正是希捷公司通过收购Xyratex业务后获得的ClusterStor阵列的OEM产物。
希捷公司的整体运营业绩也许确实乏善可陈,但相比之下、采用Lustre系统的ClusterStor业务则焕发出照人的光彩。
希捷方面希望大家关注的这四份超级计算机订单分别为:
• 美国国家核安全管理局(简称NNSA)。
• 沙特阿拉伯的阿卜杜拉国王科技大学(简称KAUST)。
• 作为一家全球海洋地理物理研究企业,Petroleum Geo-Services公司总部设在挪威并运行有一台克雷XC40超级计算机。
• 英国气象局(据去年十一月的报道)采用一台16千万亿次的克雷XC40超级计算机。
希捷公司在采访中指出,ClusterStor阵列目前由Lustre 2.5系统负责打理,其能够在单一文件系统当中支持高达160亿个文件,拥有分层存储管理机制且不同类型存储内容之间可进行数据传输,且性能水平为每秒1TB。
美国国家核安全局使用的为Sonexion/ClusterStor以及Lustre 2.5组合,旨在“强化该机构的Trinity超级计算机,从而借助其完成全部三座核安全局国家实验室当中规模最大、要求最严苛的美国核储备技术模拟实验——具体包括洛斯阿拉莫斯国家实验室、桑迪亚国家实验室以及劳伦斯利弗莫尔国家实验室。”
其它Sonexion 2000用户还包括瑞士国家超级计算中心、美国洛斯阿拉莫斯国家实验室以及美国陆军研究实验室等等。
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。