至顶网网络频道 06月21日 综合消息: 世界领先的高性能计算、数据中心端到端互连方案提供商Mellanox今日宣布,在最新发布的全球超级计算机Top500榜单中,InfiniBand解决方案为2017年大部分新部署的TOP500系统提供加速,数量较 Omni-Path高出2.5 倍,比其他专有互连产品多出近 3 倍。
InfiniBand加速了TOP500榜单中60%的HPC系统,并在全部千万亿次系统中占据了半壁江山(48%,较2016年11月榜单中的45%有所增长)。而且,InfiniBand 解决方案还连接了全球领先的人工智能和深度学习平台,其中包括新晋上榜的Facebook平台。这充分证明 InfiniBand现已被大规模应用,并且在高性能计算和人工智能领域占据领先的市场份额。
Mellanox持续为全球最快的超算系统提供互连,为其提供高性能、高可扩展的高效网络。此外,Mellanox 以太网解决方案还连接了榜单中所有的40 Gb以太网系统、多个10 Gb以太网系统以及首个100Gb以太网系统。
“InfiniBand的网络内计算卸载优势为用户提供了最高的应用性能、可扩展性和稳健性,帮助他们实现数据中心投资回报率的最大化。在短短六个月内,EDR InfiniBand 系统在TOP500榜单上所占的份额提升了一倍以上,而且选择 InfiniBand 的最终用户数量远远超过其他专有产品,市场份额稳中有升。另外,InfiniBand 在人工智能和深度学习平台中的部署量也在持续提高,现已成为此类解决方案的理想选择” ,Mellanox公司总裁兼CEO Eyal Waldman表示。 “我们也很高兴看到更多来自Mellanox的10、40和100G以太网解决方案出现在 500 强榜单中,总共有192个系统采用了Mellanox互连解决方案。我们计划在今年晚些时候发售新一代200Gb/s HDR InfiniBand解决方案,这将进一步提升 Mellanox 在高性能计算、云计算、Web2.0、数据库、深度学习领域以及计算与存储平台的技术优势。”
全球超级计算机TOP500排行榜以Linpack基准测试系统为评定标准,该榜单每年发布两次,公布于www.Top500.org 网站。
本次榜单亮点包括:
· 全球最快的超级计算机选用Mellanox进行互连
·在 2017 年上半年,InfiniBand 是TOP500中HPC系统采用最多的互连方案,新用户数量比 Omni-Path 高出 2.5 倍,比其他专有互连产品高出 3 倍
·Mellanox InfiniBand 和以太网解决方案加速了TOP500榜单中近 39%的系统(192个系统)
·InfiniBand 连接了全部 500 强系统中的 36%(179 个系统)
·InfiniBand 连接了TOP500中60%的HPC系统
·InfiniBand 是千万亿次级别系统的首选解决方案,连接了 TOP500 榜单中 48% 的千万亿次系统
·EDR InfiniBand的安装部署数量在六个月内增长了 2.5 倍
·InfiniBand 为千万亿次级系统提供的系统效率比 OmniPath 高出 1.7 倍
·所有的40G以太网系统均由Mellanox提供互连
·Mellanox为榜单中首个100G以太网系统提供互连
·在TOP100,TOP200及TOP300的榜单中,InfiniBand是应用最多的网络互连方案
·InfiniBand 是人工智能和深度学习系统的首选互连方案
·Mellanox 解决方案能够为机器学习、高性能计算、云、存储、大数据和更多应用提供最高的投资回报率
关于TOP500榜单的详细PPT请访问:链接
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。