日立集团 (TSE: 6501) 旗下专注数据存储、基础架构与混合云管理的子公司 Hitachi Vantara 今日发布了高性能、高能效的混合云和数据库解决方案。这一方案由新型高性能第四代 AMD EPYC(霄龙)处理器驱动,将融合和超融合解决方案相结合(包括 Hitachi Unified Compute Platform (UCP))。在为企业提供“一站式”功能集,并提高数据中心性能和效率的目标下,这一发布实现了混合云和数据库解决方案领域的重大进步。
在如今竞争激烈的环境下,企业在优化 IT 基础架构方面持续面临日益增长的挑战,其中降低成本尤为关键。传统数据中心的管理和运营复杂性进一步加剧了这些挑战,常常导致效率低下和运营成本上升。更为棘手的是,随着对减少运营开销需求的不断增长,尤其涉及电力、冷却和空间需求方面,企业急需精简运营并增强其可持续发展的能力。最近的一份报告发现,全球数据中心产生的温室气体(GHG)排放量高达全球总量的 3.7%,并且该气体在冷却过程中耗费了大量水资源。报告还指出,仅在 2020 年,数据中心就排放了相当于 300 公吨总量的二氧化碳。
面对如此巨大的资源需求,企业亟需寻求提供高性能、高能效混合云和数据库解决方案的合作伙伴,其方案需兼顾成本效益、简洁性以及可持续性的需求。Hitachi Vantara 全新融合和超融合解决方案,以突破性的性能和可持续计算,为混合云、数据库和高性能环境提供了急需的高性能、可扩展性和成本优化。
Hitachi Vantara 首席产品官 Octavian Tanase 表示:“随着企业和客户对业务应用性能最大化的需求日益增长,企业需要创新的解决方案以保持其领先的市场地位。此次发布展现了专业技术与创新的融合,旨在为企业提供具有变革性的解决方案。凭借第四代 AMD EPYC(霄龙)处理器的卓越性能,我们将提供高密度、高吞吐量的解决方案,并承诺 100% 的数据可用性,从而重新定义行业标准。针对现代企业在混合云、数据库和高性能计算领域的需求,这次发布提供了一系列关键的差异化优势,为企业量身定制出高性能、高效率和可扩展的解决方案。”
该解决方案的主要优势包括:
· 缩短价值实现时间 – Hitachi Vantara 的混合计算解决方案由 AMD EPYC(霄龙)处理器提供支持,通过大幅提高通用工作负载、数据库、高性能计算和 CAE(计算机辅助工程)等传统与现代工作负载的处理时间,实现了创新加速。
· 高性能 – 经过预先验证和认证的Hitachi UCP 解决方案,以更少的内核为云、企业和边缘计算工作负载提供突破性的性能。
· 可持续性 – 新推出的解决方案采用现代化设计,减少占地面积,有助于减少二氧化碳排放并提高能源效率。一家金融服务提供商报告称,Hitachi Vantara 的存储设备可减少高达 96% 的二氧化碳排放量,并将数据中心存储占地面积至多减少 35%。
· 降低计算成本 – Hitachi Vantara 的融合和超融合解决方案提供高密度和高带宽的基础架构,可整合多个企业工作负载并降低总拥有成本。
UCP 解决方案组合还包括适用于 Azure Stack HCI 的 Hitachi UCP,该解决方案有助于在边缘、核心和公有云之间提供一致的混合云基础架构。Hitachi Vantara 帮助企业通过单一来源的系统、解决方案和服务,简化混合云部署,从而精简运营并减少多供应商物流。受益于可定制的云评估、咨询和云迁移服务,企业可以按照符合其业务目标的时间表规划和执行多云之旅。
欲了解有关 Hitachi Vantara 混合云解决方案组合的更多信息,请访问:
https://www.hitachivantara.com/en-us/solutions/hybrid-cloud-infrastructure.
好文章,需要你的鼓励
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。