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解决方案为上期榜单(2017年6月-11月)以来77%新近部署的高性能计算系统提供了加速,数量比其他私有网络产品高6倍,比以太网系统高15倍。InfiniBand加速了TOP500榜单中60%的HPC系统,以及前五名超级计算机中的两台。这充分表明InfiniBand现已被业界大规模应用,并且在高性能计算和人工智能领域占据了领先的市场份额。
除了高性能计算和机器学习系统,TOP500榜单同样还覆盖了超大规模、云计算、Web 2.0 和企业级平台。此外,25Gb以太网系统首度亮相TOP500榜单,来自中国的超大规模企业已在多个数据中心内部署了25Gb以太网。Mellanox以太网解决方案连接了榜单中所有的25Gb、40Gb和100Gb以太网系统,为超大规模计算、云和企业级数据中心提供高效网络,助力其实现最高的性能和效率。
“基于智能加速和网络卸载优势,InfiniBand解决方案连接了TOP500中过去6个月内新近部署的大多数高性能计算和深度学习系统。此外,InfiniBand还为中国乃至全球顶级超级计算机提供了互连,加速了日本最快的超级计算机,并且已被加拿大和美国选中作为其最快超级计算机的互连方案。通过提供最高的应用性能、可扩展性和稳健性,InfiniBand能够帮助用户实现数据中心投资回报率的最大化、并将总体拥有成本降低50%”,Mellanox公司总裁兼CEO Eyal Waldman表示。“我们也很高兴看到来自Mellanox的25Gb及以上速率的以太网解决方案出现在TOP500榜单中,这表明Mellanox以太网网卡、交换机和线缆在超大规模和云计算企业已被大规模部署,为这些平台提供了业界最高的效率。最后,我们很荣幸能够在SC17全球超级计算大会上展示我们的HDR 200Gb/s交换机产品系列,我们计划在明年上半年发售全新一代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。
2017年11月榜单的亮点包括:
· InfiniBand连接了TOP 5中的两大系统
· InfiniBand所连接的新近HPC系统(2017年6月-11月)数量比其他专有互连产品高6倍
· InfiniBand所连接的新近HPC系统(2017年6月-11月)数量比以太网高15倍
· InfiniBand 为77%新部署的HPC系统(2017 年 6 月 - 11 月)提供了互连
· Mellanox InfiniBand 和以太网解决方案共加速了TOP500 榜单上的192套系统,占比39%
· InfiniBand 连接了TOP500全部系统中的 33%(164套系统)
· InfiniBand 连接了TOP500中60%的HPC系统
· 25Gb以太网系统首度亮相TOP500榜单(17年11月),部署于中国的超大规模企业(19套系统)
· 本期榜单中所有的25G、40G、100G以太网系统均由Mellanox提供互连
· 在TOP500榜单中,InfiniBand是应用最多的高速网络互连方案
· 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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。