Lineas选择使用HPE GreenLake为其提供IT基础架构,云上飞驰,即刻体验。
HPE近日宣布,欧洲最大的私营铁路货运运营商Lineas将选择HPE为其提供新一代IT基础架构,以即服务的形式支持其从传统的货运公司转型成为高性能、高效和可持续发展的交通运输系统。HPE Nimble Storage dHCI解决方案与HPE GreenLake一起交付,为Lineas提供了一个敏捷并易于管理的平台,能够满足客户对提高交付质量、加速IT资源部署的需求。
Lineas总部位于比利时,为全欧洲提供优质的铁路产品和全面的门到门物流解决方案。公司以前的IT基础架构和技术是在传统的竖井环境中运行的,其规模和性能均已饱和。为确保Lineas的业务连续性,这一平台还需要实施灾难恢复系统模式。
Lineas计划迈入新的市场和行业,为此,它选择了HPE作为其技术和服务合作伙伴,以提高性能和效率,并确保其基础架构有能力支持业务的增长。HPE是Lineas理想的合作伙伴,因为它能提供基础架构和即服务模式的正确组合,以按用付费模式满足Lineas对灵活性、可扩展性、高成本效益的需求,并可按需提供额外的容量。
Lineas的IT基础架构和服务管理部主管Maurice Peterse表示:“我们希望开拓新市场来推动业务增长,并且需要一个完整的技术基础架构,以按用付费和可扩展的即服务模式来满足我们的独特需求。我们希望新的基础架构能优化我们的组织,并为我们的最终客户带来更大的价值。”
由HPE Pointnext科技服务提供的端到端HPE解决方案和迁移服务是从零开始构建的,并通过HPE GreenLake交付。“即服务”解决方案为业务创造直接的价值,使新项目能够利用物联网、人工智能和机器学习等优势,例如,通过更有效地追踪货车和机车来提高运营效率。
HPE GreenLake即服务解决方案以HPE Nimble Storage聚合式超融合基础架构(dHCI)为基础,这一基础架构是为交付超融合基础架构(HCI)体验而专门设计的,相较于传统的HCI具有更大的灵活性、更好的弹性和性能。为Lineas定制的解决方案充分利用HPE Apollo 4200 Gen10 服务器的可扩展性,支持虚拟化工作负载、客户端虚拟化、数据库工作负载、DevOps Kubernetes和S3可扩展存储服务。该环境的自动化和协调工作由HPE OneView完成,而其操作和管理则由业界最先进的基础架构人工智能HPE InfoSight承担。
HPE国家主导服务与消费增长业务负责人Bart Wellens表示:“我们很高兴与Lineas合作,将帮助他们通过采用HPE存储解决方案来实现运营现代化,同时开拓新的机遇和市场。HPE GreenLake部署具有交付可靠、财务可预测和运营灵活等优势,还能为Lineas创造直接的价值,确保其实现发展目标。”
HPE GreenLake云服务为客户提供了强大的基础,赋能他们通过在本地、边缘或托管设施中运行的弹性即服务平台来推动数字化转型。HPE GreenLake将云的简单性和敏捷性与混合IT所附带的治理、合规和可视性相结合,提供了一系列能够加速创新的云服务,包括用于计算、容器管理、数据保护、高性能计算、机器学习操作、联网、SAP HANA、存储、虚拟桌面基础架构和虚拟机的云服务,现已超千家服务客户,涵盖各行各业。HPE此次与Lineas的合作,不仅为货运行业的带来了云的速度、敏捷性与可扩展性,更为推动高性能、可持续交通运输系统的发展提供了新思路。
*HPE GreenLake 产品在全球不同地区分阶段推进。在中国由新华三提供HPE GreenLake服务。中国区具体市场计划将另行通告,敬请留意。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。