为实现AI愿景,去年12月,戴尔科技宣布正在研发先进的存储技术,为客户提供AI优化的基础架构。今日,戴尔科技宣布推出适用于全闪存产品的两个新节点——Dell PowerScale F210 和 F710。
戴尔科技此次发布了最新一代的高性能文件存储系统,凭借领先的PowerEdge服务器助力计算最密集工作负载。PowerScale集成最新的OneFS软件,是一个完整的AI就绪数据平台,具有无可比拟的性能和规模、卓越的效率、极高的安全性以及多云敏捷性。
最新的全闪存节点:PowerScale F210和F710
因为下一代工作负载带来巨大的数据负担,客户需要更快且更具成本效益的解决方案。PowerScale凭借久经考验的性能,连续八年蝉联Gartner®魔力象限™领导者,并且随着F210和F710的推出,PowerScale 实现了更高的性能和效率。F210是可同时满足高性能和小容量要求的最佳平台,而F710则以1RU的尺寸实现了高性能与大容量的平衡。
PowerScale:具有出色灵活性1、安全性2、高效3的文件存储,愈加卓越
无可比拟的性能
在去年软件优化的加持下,流式读取性能相较上一代产品提升高达两倍,显著加快了向GPU馈送数据进行模型训练和微调的速度。同样,流式写入性能提高了一倍,可优化AI 工作流程的模型训练和推理阶段的检查点功能。此外,PowerScale 去年的软件和硬件升级有助于加快周转时间,降低试产延迟的风险,并在高并发和延迟敏感型工作负载,如高频交易(HFT)和电子设计自动化(EDA)中,实现最高2.6 倍的性能提升。
更高的效率
戴尔科技在优化客户总拥有成本方面也取得了重大进展。最新平台采用Smart Flow机箱使气流的流动变得更合理,将适量的空气引导至需要的地方,从而提高能效。得益于这些持续不断的创新,戴尔科技在短短一年之内将每瓦性能提高了 90%。
在上一代节点的容量和密度基础上,F710 在 1U 配置中最多可容纳 10 块硬盘,与 F600 相比,节点密度提高了 25%。同样,通过引入 15TB QLC 硬盘,戴尔科技提高了F210紧凑型配置的存储利用率,容量比 F200 提升了一倍。
博通公司首席信息官Alan Davidson表示:“通过与戴尔科技集团合作,我们的业务加速创新。全新Dell PowerScale F710不仅在EDA工作负载中实现了25%以上的性能提升,同时提高了数据中心的可持续性,超出了我们的预期。”
戴尔科技AI就绪数据平台:PowerScale
戴尔科技为提供PowerScale OneFS软件和平台增强功能的团队感到无比自豪,同时也期待看到客户利用该产品以加速AI创新。F210和F710极大地丰富了PowerScale的NVMe全闪存产品阵容,具有GPU Direct以及其他嵌入式功能,例如无中断扩展、多租户功能、支持多协议的通用数据访问、极高安全性以及与公有云的灵活性和无缝互操作性等,正在改变高速存储的游戏规则,并支持要求最苛刻的文件工作负载,如AI和GenAI。
借助这两款最新的PowerScale全闪存节点,戴尔科技将释放数据的力量,快速实现AI创新之旅。可以点击规格表和PowerScale页面了解有关最新一代节点的更多信息。
戴尔科技久经验证的AI全栈设计解决方案组合
戴尔科技拥有全球最广泛的GenAI基础架构产品组合,从云到客户端设备应有尽有,随时随地将AI应用于数据。如果希望在AI之旅中继续迈进,戴尔科技专家级的专业服务将为每一步提供指导。
1 基于戴尔科技的分析,2023年2月
2 基于戴尔科技对Dell PowerScale提供的网络安全软件功能与竞争产品的比较分析,2022年9月
3 基于戴尔科技对效率相关功能的比较分析,包括:数据缩减、存储容量、数据保护、硬件、空间、生命周期管理效率和能源之星认证配置,2023年6月
4 基于戴尔科技初步测试,2023年10月。将配备OneFS 9.7的F710全闪存节点与配备OneFS 9.4的PowerScale F600*全闪存节点进行比较。实际结果可能有所不同。
5 基于戴尔科技内部测试,2024年1月。将配备OneFS 9.7的PowerScale F710全闪存节点与配备OneFS 9.4 的PowerScale F600*全闪存节点进行比较。实际结果可能有所不同。
关于戴尔科技集团
戴尔科技集团致力于帮助企业和个人构建数字化未来,改进他们的工作、生活和娱乐方式,为客户提供面向数据时代全面和创新的产品、技术、解决方案及服务组合。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。