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
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。