日前,浪潮发布基于傲腾持久内存的四大系列25款场景化解决方案,覆盖大数据分析、数据库、云与虚拟化、分布式存储等应用场景,该系列方案基于浪潮M5服务器和英特尔傲腾持久内存,创新IT架构,填补存储层次空缺,提升性能和效率的同时降低TCO,为全球各行业用户提供计算力支撑,为企业迎接智慧时代提供更优解决方案。
随着云计算、人工智能、物联网等技术的蓬勃发展,传统的生产生活方式正在瓦解与重构,智慧时代已然来临,无人驾驶、智慧工厂、智能零售、远程医疗、智慧教育等场景就在我们身边。新兴应用层出不穷,看的见的是对我们生活的改变,看不见的是对IT基础架构的重塑。
永远的难题:效率、弹性、成本
各种新兴的智慧应用带来的是数据爆发式增长,据IDC预测,2025年全球数据量将达到175ZB,数据蕴含巨大价值,然而其利用率却不足12%,想要发挥数据价值,企业需要更强计算力。
当前,企业在数字化转型过程中往往面临三大难题:效率、弹性、成本。效率和成本总是鱼和熊掌不可兼得,随着数据库不断增大,计算力往往会受到内存的限制,造成访问当前不在内存中的数据时所需的时间增多。将数据移动到系统内存,可加快数据库查询速度,然而摆在企业数据中心面前的问题是,内存历来成本高昂,容量有限而且无法在系统重启期间保存数据,这不可避免地限制了数据库性能。弹性方面,则是要求IT基础架构能够灵活弹性扩展,满足未来3-5年业务发展的需要,当新技术产生时,能够在系统中快速应用并创造价值。
浪潮解决方案助你破局
面对智慧时代传统计算架构瓶颈,浪潮打造面向云和虚拟化、数据库、数据分析与AI、存储四大系列共25款解决方案,以浪潮M5系列服务器搭载英特尔傲腾持久内存为基础,颠覆原有数据库系统架构,在动态随机存储器(DRAM)与固态盘之间构建大容量持久内存层,借助智能数据管理功能,数据可智能存入适合它们的层级,帮助用户在靠近处理器的内存系统上加载规模远超以往的数据集,满足包括内存数据库在内的,几乎所有对大内存有要求的应用负载需求,让更多数据处理分析更加高效。例如在SQL数据库场景中,采用浪潮双路服务器NF5280M5搭载傲腾持久内存,数据库性能可提高近3倍。
浪潮解决方案面向未来,为企业建设数字化转型而设计,让新技术的应用变得简单,傲腾持久内存作为一种全新的内存技术,与传统内存外观并无差异,可直接插在M5服务器内存插槽上,突破以往的内存限制,带来数据持久性、更优的弹性和强大的硬件增强型加密等功能,轻松满足数据分析、云、虚拟化等众多工作负载对性能的严苛要求。
随着数据中心成本在企业业务运营中所占的比重越来越大,如何保障投资回报率是企业绕不过的问题。傲腾持久内存,单一模块可提供128GB/256GB/512GB三种规格,更大容量,更低成本,例如在浪潮高端八路服务器TS860M5上可同时配置传统DDR4 DRAM内存和OptaneTM PMem,实现高达24TB(每路最高3TB)内存容量。在虚拟化云平台场景下,经测试浪潮服务器搭载英特尔傲腾持久内存,每节点可部署的虚拟机数量增大多达36%,成本降低多达30%,数据库IOPS高达1370万。
迈入智慧时代 驾驭数据洪流
浪潮基于傲腾持久内存的解决方案已在国内众多领先的互联网、金融科技、通信、交通等行业客户实践中取得成功,例如某航空信息公司为了缩短运价服务这一典型的OLAP(在线分析)场景的响应时长,其运价服务内存数据库平均每小时内存刷新数据达到4T,需要数据库服务器配置大容量的内存系统,浪潮提供了四路服务器NF8480M5,并充分利用傲腾持久内存大容量、断电不丢失的特性,较原方案内存容量提升12.5%达13.5TB,大大降低系统延迟10%以上,且成本降低30%。
接下来,浪潮将持续帮助企业应用实现架构创新,不断丰富解决方案阵列,如数据收集方案Flume、数据交换方案Sqoop、实时计算方案Flink、训练推理方案Analytics Zoo、分布式存储方案Alluxio等,同时也在积极与众多ISV联合创新,帮助企业在追求业务发展和控制总体拥有成本之间获得平衡,是企业应对智慧世界,驾驭数据洪流的理想选择。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。