近期,Solidigm D5-P5316 QLC固态硬盘(SSD)被应用到一项测试当中。在D5-P5316的帮助下,圆周率(π)计算至100万亿位数的速度成功打破世界纪录。借助Solidigm产品,StorageReview团队计算π的速度几乎达到原世界纪录保持者Google的三倍。
StorageReview负责人兼总编Brian Beeler带领团队在位于美国辛辛那提的实验室中使用Solidigm D5-P5316 QLC SSD进行计算,Solidigm产品团队在这一过程中提供咨询支持。Beeler 表示:“众所周知,π是一个定义明确的无限值,这使得大家可以很容易地比较不同系统中的计算性能结果和输出,也让π成为了理想的系统性能比较基准。Solidigm高性能SSD帮助我们在破纪录的时间里计算了这个无限不循环数字,这也极大巩固了Solidigm作为领先的数据存储解决方案提供商的地位。”
凭借出色的SSD存储密度、性能和成本状况,P5316让海量数据集的分析工作成为可能。此前,只有在云端或本地进行大量投资才能实现这一目的。Beeler和StorageReview团队记录了QLC存储中的23 PB数据写入,与此同时,新检查点的读取活动也已经达到甚至超过了这一数据量。在利用率没有超饱和的情况下,Solidigm D5-P5316 QLC SSD的计算速度没有落下,并提供了充分的读取性能。
Solidigm数据中心存储部门副总裁Greg Matson表示:“在这种强度的工作负载之下,Solidigm的产品展现出了极为可靠的耐用性,可以为用户提供十年左右的使用时间,以及堪比领先TLC SSD的读取性能。可以预见,在主流数据中心应用层面,D5-P5316就像π一样具有无尽的潜力。我们非常高兴地看到Solidigm SSD能够赋能StorageReview进行创纪录的π计算。这一测试也证明了Solidigm存储产品的真正实力,为实际应用开启了更多可能。”
π计算概览
程序:y-cruncher,由Alexander Yee开发
算法:Chudnovsky (1988)
计算节点:Quanta服务器,基于第四代AMD EPYC™处理器
总运行时间:59天10小时46分49.55秒
总存储量:可用530.1 TB,使用峰值为514.5 TB
总输入/输出量:读取40.2 PB ,写入35.4 PB,总计75.6 PB
Solidigm SSD在存储密度、性能和价格方面实现了很好的平衡,这也是其成为数据存储领域市场领导者的一大重要原因。D5-P5316是四层单元(QLC)SSD,它兼顾了大容量、低成本,以及媲美TLC SSD的读取性能,同时还具备足够的生命周期进行写入操作(PB写入),以此来应对工作负载的需求。
Beeler表示:“QLC非常适合这类工作负载。它支持突发写入和频繁写入,每天向每个驱动器发送接近30 TB的数据写入。如果我们保持这样的节奏,每年的数据写入将超过10 PBW。这些QLC SSD完全可以跟上计算速度,并在单个服务器中提供巨大的存储密度。此外,在近60天的测试中,我们发现SSD耐用性的消耗几乎可以忽略不计。”
虽然这种规模的计算还没有实际应用(大部分科学和学术界最精确的π测量通常是10位,NASA的喷气推进实验室只使用15位数字进行航天器导航的计算),但这一测试表明了配置完好的Solidigm QLC SSD如何承担当今业务关键应用(如高级数据分析、AI、机器学习和数据管道)中的高容量工作负载。
AMD数据中心生态系统和解决方案公司副总裁Raghu Nambiar表示:“我们非常开心地看到,借助第四代AMD EPYC™ CPU,Solidigm和StorageReview的团队在破纪录的时间内完成了100万亿位数的π计算。这是客户利用EPYC处理器进行真正的计算密集型工作负载的又一有力证明。”
好文章,需要你的鼓励
Apple TV在企业和零售环境中被严重低估。虽然它易于远程管理、稳定性强,能完美融入现有的设备管理流程,但仍未发挥全部潜力。主要障碍是缺少以太网供电(PoE)功能,导致大规模部署复杂化。目前需要两根线缆连接,增加了安装成本和故障风险。如果Apple TV支持PoE并采用更紧凑的设计,将成为数字标牌、会议室显示等企业应用的理想选择。
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
谷歌翻译最新更新将原本仅限于Pixel Buds的实时语音翻译功能扩展至所有耳机,支持超过70种语言。该功能今日开始测试版推出,仅需兼容的安卓手机和翻译应用。更新还包括基于Gemini的改进文本翻译,能更准确处理习语和俚语等表达。同时扩展了练习功能至20个新国家,提供基于AI的个性化语言学习课程。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。