HPC供应商DDN加入小型的、但不断增长逐渐进入企业AI主流市场的公司,DDN旗下的存储产品可与Nvidia的DGX-1 GPU服务器结合在一起。
DDN最近出台了一系列举措以扩展旗下企业存储公信力,上个月收购了Tintri(https://www.theregister.co.uk/2018/09/05/ddn_buys_tintri_biz_remains_for_60mn/)后有了出售企业存储阵列的能力,现在又凭借旗下A3I品牌的可扩展参考架构产品进入人工智能(AI)系统领域。
企业AI系统市场最初由Pure建立,Pure将AIRI(https://www.theregister.co.uk/2018/03/27/pure_nvidia_ai_airi/)的FlashBlade阵列与DGC-1双响炮结合在一起。后来NetApp携其A700全闪存阵列/ FGX-1组合加入该市场,后来又推出更快的A800/ DGX-1装置(https://www.theregister.co.uk/2018/08/03/netapp_a800_pure_airi_flashblade/)。戴尔EMC则推出人工智能完备解决方案(Ready Solution for AI):深度学习(https://www.theregister.co.uk/2018/08/07/dell_emc_ai_deep_learning/ ),思科也推出了C480 AI /机器学习服务器(https://www.theregister.co.uk/2018/09/10/cisco_ai_server_nvlinked_tesla_gpu/)。
所有这些系统都涉及到全闪存,DDN则拥有AI200和AI400全闪存系统以及混合闪存/磁盘AI7990。二者都运行DDN的Exascaler软件,Exascaler是个基于Lustre的并行文件系统。
AI200是个容量高达360TB的24倍双端口NVMe闪存驱动器,置于2U机箱内,以4 x EDR InfiniBand(EDR IB)或100Gbit / s以太网(100 GbitE)连接到DGX-1。AI200可提供高达20GB/秒的文件系统顺序读取吞吐量和超过100万IOPS。
AI400使用相同的机箱,可提供高达40GB/秒的顺序读取吞吐量和高达300万IOPS。AI400具有8个EDR InfiniBand端口或100GbitE端口,闪存容量与AI200相同。
而较大的AI7990则置于4U机箱内,回归20Gb /秒的顺序读取性能,可提供高达700,000的IOPS。AI7990支持90 x 3.5英寸的插槽,可用于SSD和磁盘驱动器。最多可以有4个扩展机座,每机座有90个架,可提供高达5.6PB的容量。
DDN 的A3I解决方案简介可从网上下载(https://www.ddn.com/?wpdmdl=42534&ind=1538608827207),简介里提供了使用A3I软件的示例,例如Resnet-50和Resnet-152,Caffe GoogleNet,Inception V3 。
A3I解决方案指南(http://www.ddn.com/?wpdmdl=42573&ind=1538599065785)提供了Tensorflow,Horovod,TensorRT,Torch,PyTorch提供具有9 x DGX-1服务器和系统性能的AI200及其他AI框架的配置示例。

在Resnet-152和Resnet-50测试中,AI200的测试速度比竞争对手Pure、NetApp和Dell EMC的系统更快。思科未提供旗下AI系统性能的任何公开信息。

AI200和AI7990数据表可从此处获取:https://www.ddn.com/products/a3i-accelerated-any-scale-ai/。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。