当今世界正在以惊人的速度产生数据,从这些数据中获取价值的能力将是决定成败的关键。基于此,英特尔公司的战略转向“以数据为中心”,构建了以数据为中心的“三驾马车”,进行了从云到网络到边缘的全面布局,从传输、存储和处理三个维度真正驱动以数据为中心的未来。
在赋能用户存储更多数据方面,英特尔提出了“数据存储金字塔”(亦称内存和存储层级)的战略模式,并通过傲腾技术 + 3D NAND存储技术组合拳的形式,实现了内存和存储业务的高速增长。如今,内存和存储已成为与英特尔处理器业务同等重要的产品线,最新数据显示,2020年Q1英特尔的存储业务销售额同比增长46%。
2020年6月,英特尔公司非易失性存储解决方案事业部副总裁,兼数据中心傲腾存储事业部总经理David Tuhy在英特尔内存和存储业务发展的最新进展线上活动中表示,2020年Q1的市场成绩之所以如此突出,傲腾存储技术起到了关键的作用。“相对内存来讲,DRAM并没有按照摩尔定律的成本/性能进行演进。相对存储来说,我们看到即便是最先进的产品——NAND SSD也开始放慢其性能增长的速度,所以基于3D Xpoint介质的傲腾技术成为内存和存储层级内新的增长引擎,一举打破了内存和存储瓶颈,使数据更靠近计算,并弥补了DRAM以及NAND SSD在容量和性能上的不足。” David Tuhy表示。
傲腾和3D NAND满足了对内存和存储层级结构中的新存储层的需求
在整个计算系统中,数据的存储金字塔一直存在瓶颈。介于内存和NAND之间的延迟、性能和容量等差距过于悬殊,让数据的价值不能有效发挥。特别是随着AI、5G、边缘计算的发展和落地,大量数据需要实时分析才能发挥数据的价值,这些需求凸显了目前在内存存储层级结构中存在的一大空白——其中,DRAM容量不够大,固态盘速度又不够快。所以英特尔提出的“数据存储金字塔”概念,并推出傲腾战略来弥补这一空白。籍此,介于DRAM和3D NAND之间的新技术——英特尔傲腾持久内存将大有作为。
目前,英特尔正在努力让傲腾持久内存在几乎所有的数据库里得到使用,并根据不同的应用和不同的数据库形式,进行大量的开发和优化。
据英特尔公司数据中心事业部产品管理高级总监Kristie Mann表示,“傲腾持久内存自发布以来,发展势头十分强劲,目前已有85%以上的概念验证转化成实际的应用部署,产生了超过200次的概念验证,同时也在诸多世界500强企业、云服务提供商以及OEM厂商和新兴服务提供商等中得到部署。”
比如说Oracle的数据库Exadata X8M应用英特尔傲腾数据中心级持久内存,在于Exadata采用复杂的远程直接内存访问(RDMA)技术,使数据库能够直接访问部署在智能共享存储服务器中的持久内存,从而绕过整个操作系统、网络和IO软件堆栈。与之前的Exadata版本相比,这可将Exadata X8M中的IO延迟减少十倍。
百度用于支持其基于云的信息流服务中的数据存储和信息检索的“Feed-Cube”的高级内存数据库,通过部署英特尔傲腾数据中心级持久内存和第二代英特尔® 至强®可扩展处理器,百度能够确保Feed-Cube的高并发性、大容量和高性能,同时降低总体拥有成本(TCO)。
百度推荐技术架构部主任架构师汪瑫表示:“通过在Feed-Cube数据库中采用英特尔傲腾数据中心级持久内存,百度能够节省成本效率,扩展内存容量,并始终能够帮助我们的信息流服务发展。”
同时在沟通会上英特尔发言人也透露代号为“Barlow Pass”的第二代英特尔傲腾数据中心级持久内存,代号为“Alderstream”的基于PCIe 4.0的第二代英特尔傲腾固态盘和用于数据中心级固态盘的144层QLC(四级单元)NAND产品也将也将于2020年下半年陆续推出。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。