WEKA 宣布使用 HPE PCIe Gen 5 硬件在 SPECstorage Solution 2020 基准测试的全部五个测试场景中均获得最佳成绩。
该基准测试包含五个工作负载场景:AI 图像处理 (代表 AI TensorFlow 图像处理环境)、电子设计自动化 (EDA)、基因组学、软件构建和视频数据采集 (VDA)。测试结果包括作业数或构建数、整体响应时间 (ORT) 以及供应商在结果网页上提交的其他详细指标。WEKA 在 2022 年 1 月使用 Samsung SSD 提供的本地部署解决方案就已经获得了大部分最佳成绩。随后在 2024 年 3 月,它再次在五个类别中的四个中击败其他供应商。现在,WEKA 已经在所有工作负载测试中都位居榜首。
WEKA 性能工程和技术营销总监 Boni Bruno 在博客中写道:"WEKA 基于搭载 Intel Xeon 处理器的 HPE Alletra Storage Server 4110,于 2025 年 1 月 28 日创下新纪录,在所有五个 SPECstorage Solution 2020 基准测试工作负载中均排名第一... 我们的综合解决方案不仅通过在所有工作负载中创造作业和数据流的新纪录提高了标准,还实现了显著更低的延迟 - 在某些情况下比之前的记录低了高达 6.5 倍。"
这些结果优于 WEKA 在 2024 年 3 月使用公共云实例时的表现。两个表格展示了供应商提交的 AI 图像和 EDA 工作负载的结果:
在最新的测试结果中,WEKA 的 AI 图像性能略微提高了一倍多,且延迟更低,同时将 EDA 混合作业集数量提高了 2.7 倍,延迟也更低。
图表展示了作业输出计数与 ORT (延迟) 的关系,显示了 WEKA 与其他供应商之间的差距:
我们认为 WEKA 基准测试速度的这种激增,主要归功于 Alletra 4110 存储服务器中使用的 PCIe Gen 5 总线的加速效果,它连接 NVMe SSD 和系统内存,而不是因为自去年 3 月以来 WEKA 软件有了巨大改进。
Bruno 表示:"这些记录是使用单一的一致配置在五个 SPECstorage 基准测试中实现的,无需针对特定工作负载进行调优... 这些改进意味着更快的 AI 训练、更少的半导体仿真延迟、更快的基因组分析和更快响应的视频分析。"
他的博客详细介绍了 Alletra 4110 的硬件配置,并提供了各个基准测试运行的更多细节。
就 AI 训练和推理而言,这个基准测试的竞争程度不如 MLPerf 基准测试激烈,在 MLPerf 中,DDN 和 Hammerspace 等公司在保持多个 GPU 90% 或更高利用率方面的表现优于 WEKA。
WEKA 在 SPECstorage Solution 基准测试中的优势在于它实现了对所有工作负载的全面领先。现在我们要等待和关注其他供应商,如 Qumulo 和 NetApp,使用 PCIe Gen 5 硬件测试他们的软件的表现。
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。