“池化、弹性、软件定义”是未来数据中心基础设施的发展方向,正因为如此,近日华为与英特尔举行联合发布仪式,发布支持Intel RSD(Rack Scale Design)架构的服务器,共同构建资源池化的全新生态圈。Intel RSD架构由Intel RSA(Rack Scale Architecture )架构演进而来,目前应用于这一架构理念的产品开始涌现,包括服务器、一体机、OpenStack云平台等。
数据中心走向池化与软件定义
过去的企业市场更专注于创建独立的组件(服务器、存储和网络),新的趋势是将这些组件组合成一个单一的整合解决方案。Intel RSD架构可对计算、内存、PCIe扩展和存储资源进行动态管理,从而更高效地利用数据中心资产。基于资源池化的理念,RSD可以将这些资源进行机柜级组合调度,并依托Redfish管理接口,能大幅提升数据中心的资源利用率和灵活性,代表了未来大规模数据中心部署的进化方向。
此次华为与英特尔联合发布的RSD架构服务器,一方面是符合未来数据中心走向池化、弹性可调度的发展方向,另一方面能够帮助用户更简单地使用计算资源,加速业务创新。
华为IT服务器产品线总裁邱隆在联合发布仪式上表示,“我们面向未来把所有的CPU、内存、存储等底层硬件全部池化,以前通过软件打破基础设施分离,未来的变化一定是硬件资源池化,无需软件,我们把它叫做SDI2.0。”
同期,浪潮也发布了支持英特尔RSD规范的产品——InCloudRack融合架构一体机,充分发挥了整机柜内部资源灵活部署和统一调度管理的特点,专为大规模部署复杂应用的企业级用户打造。
九州云99Cloud也在其OpenStack解决方案Animbus云平台上通过深度整合Intel机柜级架构增强对硬件感知的能力,从而实现更加高效、快速进行硬件资源调度的能力,并基于业务需求,动态定制服务器,实现软件定义基础设备。此外,包括戴尔DSS 9000和爱立信HDS 8000等均应用了Intel RSD架构。
数据中心解耦不能缺少网络
Intel RSD架构的理念旨在实现硬件全面解耦,以支持客户独立升级计算、存储或网络功能,并配以开源软件层,以便任何规模的企业都能向行业巨头一样构建、管理和编排基础设施。
几个月前的深圳英特尔IDF上,戴尔、腾讯云与英特尔展示了三方合作的面向未来的基础设施。通过在Dell DSS 9000上运行Intel机柜式架构和腾讯云管理平台,全新的开放式管理API赋予了客户强大的能力,来创建灵活的、可随意组合的机架级基础架构。
数据中心基础设施的解耦和资源池化要最大化体现价值,还少不了一个关键部分——网络。虽然网络也向这一方向迈进,尤其是软件定义,但相比服务器和存储却慢了一个节拍。
在网络建设方面,SDN和NFV的出现明确了它的发展方向,利用通用化硬件构建统一的资源池,在大幅降低硬件成本的同时,还可以实现网络资源的动态按需分配。
为了让网络像服务器一样开放架构和能力,供应用灵活调用,英特尔同样正在加速网络跟上数据中心创新的步伐。
首先是参考架构,如同Intel RSD架构一样,英特尔推出了开放网络平台参考架构——ONP,英特尔ONP参考架构用于提供一款由硬件和软件组成的开源平台,以确保互操作性,同时加快商业部署的实现。在这个平台中整合了领先的开源软件与英特尔技术,例如基于数据平面开发套件(DPDK)的Open vSwitch加速版,当在英特尔至强处理器上运行时可显著提升数据包处理性能。
同时,英特尔正在积极推进网络生态系统的壮大,据悉英特尔Network Builders计划的成员数量已经超过180名。今年8月,英特尔宣布推出Network Builders Fast Track,旨在通过优化硬件和软件解决方案,促进生态系统内的技术集成,以及推出可互操作的解决方案,加速网络生态系统的创新。
英特尔还通过推进开放源代码及标准化,以及与最终用户通力合作加快网络转型步伐。
至此,一个标准、开放的网络的加入,为客户对数据中心资源实现自动化及弹性的管理提供了便利,并提高了数据中心资源的利用率和敏捷性。
英特尔与合作伙伴打造的生态系统正在推动数据中心真正走向池化、弹性与软件定义,构建出令企业期待的基础设施。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。