戴尔利用面向人工智能工厂工作负载的全栈组件增强了PowerScale横向扩展集群文件系统阵列。
我们曾报道过VAST Data的人工智能堆栈方法和NetApp针对ONTAP的人工智能架构开发项目。现在,戴尔正在推出自己的全面人工智能堆栈产品,从PowerScale硬件和软件到具有大规模数据源摄取、矢量化和元数据处理功能的Data Lakehouse。这伴随着其PowerEdge XE9712(Nvidia GB200)和 M7725(水冷式 AMD Epyc)服务器以及基于 OCP 的水冷式集成机架 IR7000 系统,它们为这些人工智能工厂产品提供了计算能力和机架外壳。
戴尔基础架构解决方案集团总裁Arthur Lewis表示: “当今的数据中心无法满足人工智能的需求,这就需要采用模块化、灵活高效设计的高密度计算和液体冷却创新技术。这些新系统可提供企业所需的性能,使其在快速发展的人工智能领域保持竞争力。
PowerScale系统实际上是直接连接存储的PowerEdge服务器,使用OneFS操作系统。这些系统可以由3到252个节点组成集群。PowerScale现在支持200 Gbps以太网和InfiniBand前端网络,将以前的网络速度提高了一倍,吞吐量增加了63%。
OneFS现在支持61TB QLC(4bits/cell)固态硬盘来提高容量,比以前最大30.72 TB的硬盘容量提高了近一倍。此外,OneFS还为Data Lakehouse提供了元数据导出功能,并增强了软件功能,简化了向 Elasticsearch 数据库导出元数据的过程,从而提高了查询效率。跨地理分布集群的元数据可以组合起来,提供全局视图。
Data Lakehouse可以将这些元数据与从其他联合来源获取的其他数据结合起来。它将支持Iceberg等开放式表格格式,并将扩展到支持矢量数据库。此外,它还能从文件中提取内容元数据,增强其文件级元数据,并实现全上下文搜索。
Data Lakehouse可对Elasticsearch和开放格式扫描进行本地查询。其目的是通过使用SQL、矢量、词法和语义搜索数据使查询响应更加准确。
即将推出的戴尔文档加载器适用于Nvidia NeMo服务和检索增强生成(RAG)框架,旨在帮助客户缩短数据湖摄取数据的时间,降低计算和GPU成本。
戴尔表示,戴尔Data Lakehouse数据管理平台的增强功能可节省客户的时间,并通过灾难恢复、自动模式发现、全面的管理API和自助式全栈升级改善运营。
该公司宣布推出新服务,帮助PowerScale-Data Lakehouse客户,包括数据编目优化服务(Optimization Services for Data Cataloging)和数据管道实施服务(Implementation Services for Data Pipelines)。
戴尔生成式人工智能解决方案与英特尔合作,为人工智能部署提供联合设计、测试、验证、预配置和灵活的平台。这些解决方案采用配备英特尔Gaudi 3 AI加速器的PowerEdge XE9680 服务器,以及戴尔存储、网络、服务和开源软件栈。这些平台面向内容创建、数字助理、设计和数据创建、代码生成以及其他的生成式人工智能工作负载。
上市时间
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。