惠普企业业务公司在其存储与计算发展战略中将Machine设定为发展目标,这套动态可拆分基础设施方案能够对其中的计算、内存/存储以及网络资源分别进行任意规模伸缩。其拥有非常出色的普通与持久存储空间——也就是存储级内存(简称SCM),即惠普旗下早期公布过的忆阻器技术。
不过这项战略仍然需要五年甚至更长时间才能最终实现,因为惠普企业业务公司已经与SanDisk达成一项战略协议,双方将共同使用SanDisk电阻式内存(简称ReRAM)技术——这是一项目前正由SanDIsk开发的未来持久性内存技术,目前尚没有进入商业运营状态。
言下之意就是,SanDisk ReRAM已经落后于英特尔/美光的3D XPoint内存——其即将于去年晚些时候乘Optane产品一同投放市场。XPoint产品的潜在用户包括Plexistor,其目前正在对相关技术成果进行测试。
那么我们要如何从目前的惠普企业业务服务器与SotreServ闪存存储方案推进至Machine 1(SanDisk)与Machine 2(忆阻器)?
就当前来看,惠普企业业务公司的ProLiant服务器使用DAS闪存(即直连SSD)与共享式外部StoreServ阵列。
惠普企业业务公司Machine节点板样机
我们似乎可以推断出,ProLiant/StoreServ有可能通过以下步骤实现这一过渡:
在这套规划当中,惠普企业业务公司不会使用XPoint技术。
下图所示为Machine方案之概念构成:
Machine组件示意图
从概念层面讲,多核心甚至是多CPU系统芯片(简称SoC)单元会与本地DRAM(其中包含八个DIMM插槽)相通信。其采用一套光纤交换机制(NVMeF或者Silicon Photonic)以通过介质控制器接入持久性内存(ReRAM或者忆阻器)资源池。另外还将有一套光学适配器同其它Machine节点或者系统进行交互。
这一流程在配合ARM或者x86 CPU时会变得较为复杂,因为这些处理器在自身与DRAM以及持久性内存之间还设置有缓存。这些缓存中的数据必须被写入(刷新)至持久内存以实现持久性。因此,低级系统代码必须经历这一步骤,并通过某种形式确认写入完成。而高级代码则需要在持久数据被写入至缓存时触发缓存刷新,或者以其它方式确认写入操作完成。
换句话来说,这是一种IO操作,其速度仅高于指向DAS的IO操作,且需要单独加以管理。
惠普企业业务公司将提供一系列API以实现上述流程,而且系统软件也需要面向存储级内存以及Machine做出相应的调整。
那么我们能否推断出其具体发展时间表?
下面来看潜在的时间分期,当然这一切仅仅是我们的猜测:
不过这里还有两个重要变量尚不明确:其一是SanDisk正式进行ReRAM驱动器量产的时间点; 其二则是惠普企业业务公司及其代工合作伙伴批量生产忆阻器驱动器的时间点。
考虑到SanDisk已经被西数所收购并被合并至后者的HGST闪存业务体系当中,因此其显然将面临大量合并期间及之后的调整工作,这一切恐怕意味着ReRAM驱动器的量产还需要数年时间才能正式启动。
而这种状况可能促使惠普企业业务公司利用3D XPoint驱动器作为权宜之计,当然我们认为惠普方面可能并不愿走出这样一步棋。拥有自己的SCM解决方案在吸引力上肯定远远超过成为英特尔XPoint的另一家渠道合作方,因为如此一来英特尔的商用硬件竞争力将进一步提高,使得SCM市场同DRAM乃至CPU一样陷入一家独大的局面。
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。