日立公司已经决定停止开发自有大型机产品,但将为IBM旗下的z Systems大型机提供日立VOS3操作系统软件。据悉,日立方面拥有长达50年的大型机业务运营经历,且目前其AP系列系统仍然销往日本本土的众多大型企业客户处。
IBM z Systems大型机
日立数据系统公司此前曾在海外市场上销售由日立方面负责制造的IBM接口兼容大型机,但于2000年停止了这项业务。此外,日立方面还计划将其大型机与Lumada物联网产品加以结合。
IBM公司z Systems业务总经理Ross Mauri表示:“我们与日立间达成的合作协议允许IBM公司继续使用日立操作系统与软件,这些操作系统及软件为企业业务的核心支柱,而IBM z Systems的最新硬件技术则负责提供速度、规模化与安全性支持。日立与IBM双方将继续使用,共同开发技术以帮助客户获取可用于改造其业务的新型数字化解决方案。”
日立公司物联网与云服务业务事业部总裁Takeo Ishii在一份声明中指出:“日立公司在过去50多年当中一直在向各企业及机构提供专有大型机系统,并将其作为关键性业务系统的组成部分,且凭借着高可靠性标准支持客户实现稳定运营与业务创新。”
而在2016年,有传闻称日立公司有意收购IBM旗下的大型机部门,而现在看来,这无疑是个讽刺。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。