在这个崭新的、众说纷"云"的信息时代,企业一直在寻求最先进的大数据、云计算、移动应用、物联网、社交化解决方案,同时也在反复思考在这些解决方案整合的过程中,如何能够同时实现安全计算及高性能的处理,从而能够更好地打通异构IT环境中的数据和应用。
纵观处理器的历史,我们不难看出,企业在追求业务高性能的路上从未停歇。从20世纪90年代中期针对开放系统的更大内存、更高精准度处理器到21世纪中期针对虚拟化和云而开发的多核、多线程计算处理器,对数据及业务性能的提升一直是企业不断追求的目标。然而,随着近年来互联网技术的飞速发展,数据及应用规模的成倍增长,安全问题已经成为企业面临的最紧迫问题,亟待解决。安全计算和高效处理这一矛盾逐渐成为未来企业走向云端不可避免的一大挑战。
甲骨文作为全球领先的云服务和企业级软件提供商,其最新推出的SPARC M7处理器中采用了突破性的处理器和系统设计,通过安全芯片化和SQL芯片化特性实现无与伦比的数据库效率和创纪录的企业级性能,充分体现了甲骨文软硬件集成的产品策略。

M7是甲骨文公司经过五年半的时间研发出来的,旨在将软件中的诸多功能集成到硬件处理器SPARC中。作为甲骨文最新软件芯片化创新技术的杰出代表,32核、256线程的SPARC M7微处理器实现了均衡的高性能设计,可与现有基础设施无缝集成,并提供全面集成的云虚拟化和管理功能,为Oracle集成系统及服务器带来了端到端的安全性和高效率,贯穿企业、大数据及云应用。客户现在能够以更高效率、在不对性能造成影响的前提下,运行完全加密的工作负载。

Security in Silicon系统设计
• Silicon Secured Memory:对内存数据访问的实时校验,大大提高安全性和可靠性。
• 硬件辅助加密:内置到所有32个内核中的硬件辅助加密功能,保证客户所有应用的安全运行及数据安全,这项新功能将自动提高采用加密技术的现有应用的速度。
SQL in Silicon
SPARC M7的所有32个内核都增加了协处理器,极大地提高了数据库应用的效率和性能。
同时,甲骨文最新推出的Oracle Solaris 11.3安全云平台可通过SPARC M7处理器的Silicon Secured Memory(芯片安全内存)特性来协助预防常见的安全攻击,通过硬件卸载的方法,为数据和网络流量及热迁移极大地降低了各种加密模式的费用,所以客户不必在安全和性能之间做出取舍。
Oracle Solaris 11.3透明地集成了Oracle SPARC M7处理器的Security in Silicon(安全芯片化)能力,极大地提升了现有和未来的应用程序的安全性。Oracle Solaris 11.3成就了Silicon Secured Memory,而Silicon Secured Memory有助于预防常见的安全攻击。凭借Oracle Solaris 11.3的先进特性,整个数据中心的数据库、Java、现有应用程序、ZFS文件系统、网络和热虚拟机迁移均可广泛使用SPARC M7进行加密加速,同时不会影响性能。安全被融入到每一个功能中。除此之外,甲骨文数据库内存选件和Oracle Solaris 11.3也完全支持全新的SPARC M7 SQL in Silicon(SQL芯片化)功能,可让目前所有的企业软件和下一代分析应用程序的数据库查询性能提升高达10倍。

SPARC M7和Solaris 11.3的完美配合同时可以同时满足企业对应用性能以及数据中心对数据安全考量的需求。甲骨文公司系统事业部执行副总裁John Fowler表示:"迄今为止,其他计算平台都做不到既满足安全要求,又不显著影响应用性能和效率。今天,甲骨文为内存入侵防护和加密提供了突破性技术,同时还提高了内存数据分析、数据库和Java的速度。Oracle SPARC T7和M7系统以及Oracle SuperCluster M7系统开创了一个既提供安全计算、又提高效率的新时代。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。