今天采用计算资源的大户是云,明天可能是边缘。
越来越多的数据开始在边缘侧进行分析、处理和储存已是不争的事实。IDC的统计数据显示,到2020年将有超过500亿的终端与设备联入网络,这意味着集中式的数据存储、处理模式将面临巨大压力。边缘计算通过在数据的源头提供服务,将是数字化转型、物联网的下一波浪潮。
日前,新华三在北京举行服务器新品发布会,其围绕五大场景发布了十款服务器,智能边缘被当作十分重要的场景之一。
按照新华三集团首席技术官尤学军的话说,“从云到边缘是新华三构建产品架构的重要组成部分,同时构建边云架构也是新华三的战略,边缘计算服务器则是新华三布局智能边缘必不可少的一部分。”
新华三集团首席技术官尤学军
在智能边缘场景中,新华三为中国市场带来了业界首款边缘计算节点HPE EL1000和EL4000两款产品。
边缘服务器的样子
为什么边缘计算服务器被单独拿出来?这就不得不说它的独特性。通常来说,采用标准通用硬件设备对机房可用空间、电源供应、承重等基础设施有着特殊的要求。拿电信运营商举例,无论是现有综合接入机房还是边缘DC标准通用硬件设备都难以满足需求,且它们数量庞大、位置分散、改造难度大。因此,业界不得不在现有基础设施条件上探索,推出适合边缘的计算平台。
事实上,除了电信运营商,包括亚马逊、谷歌、Facebook、阿里巴巴等互联网和云巨头都在推进自己的网络边缘,去年当亚马逊对全食超市收购时,也被认为其对边缘计算布局的重要一步。然而,无论是运营商还是OTT,边缘所面临的环境都对计算平台提出了新的要求。
以ODCC发起的面向电信应用的开放IT基础设施项目——OTII来说,它对边缘服务器提出的要求如下:
1.机架空间限制:传输及接入机房机架多为600mm 深,少部分达到800mm,远小于数据中心1200mm 的机架深度,常规通用服务器无法部署;
2.环境温度稳定性:由于边缘机房的制冷系统的稳定性无法有效保证,因此服务器最好具备原电信设备的温度适应能力;
3.机房承重限制:众多边缘机房普遍低于数据中心承重标准,对服务器的部署密度造成影响。
此外,还包括服务器性能需求、异构计算要求,以及运维管理需求等,这要求边缘计算服务器都要有新的样子。
新华三集团工业标准服务器产品部总经理刘宏程
其实,在OTII项目中,新华三也参与了对OTII服务器技术方案的制定和行动计划书,新华三集团工业标准服务器产品部总经理刘宏程表示,新华三同中国移动合作进行了边缘计算的试点和部署。
将前所未有的深度计算、数据捕获、控制和企业管理带到边缘
在新华三服务器新品发布会上,刘宏程强调了新华三带来的首款边缘计算节点HPE EL1000和EL4000两款产品。通过先进的设计理念和制造工艺,两款服务器不仅实现了体积的微型化,更能在适应恶劣工况的条件下提供强大性能、管理及无线连接能力;能够让数据在边缘和生产端被有效汇聚和处理,降低整体网络压力,提升IT效率。
HPE Edgeline将前所未有的深度计算、数据捕获、控制和企业管理带到边缘,在一个机箱中它集成了:基于开放标准的前所未有的深度边缘计算;独有集成精密数据采集与控制;数据中心级的安全、设备和系统管理。
刘宏程指出,HPE Edgeline紧凑型系统专为恶劣环境而设计,它在边缘提供数据中心级功能,能立即洞察物联网数据。这使得企业能够实时决策,增加业务流程价值,从而带来更好的业务成果。与传统服务器相比,其设计可承受更大的冲击、振动,温度范围更广,并且可以适应空间有限的边缘环境。
让数据和计算紧密结合,催生场景创新
“我们有一个理念,数据和计算在未来的结合会越来越紧密。”在刘宏程看来,不管多好的交换系统、多好的网络,它的延迟也会超过数据和计算在一起的延迟,所以边缘计算一定会迎来快速增长。
尤其在物联网爆发的时刻,边缘也正在催生越来越多的场景创新和应用。例如视频监控、AR/VR等高带宽需求业务,以及车联网等低时延需求业务,亦或工业控制等专网,它们借力边缘计算等技术,从而带来更多创新业务在边缘的尝试。实际上,在新华三发力的安防解决方案中,就利用了边缘云的技术,让视频监控和安全变得更智能和高效。
刘宏程强调,场景化让新华三更贴近用户的实际使用需求,降低产品门槛,并让产品在数字化转型过程中发挥更大的作用和价值。
此外,除了边缘计算场景,新华三还围绕混合IT、人工智能、大数据与高性能计算发布了全新的服务器组合,“新华三服务器在坚持高效、敏捷、安全、品质四大独特优势的同时,通过引入AI技术和场景化的研发模式实现了产品的更快更新和更精准定位,从而帮助企业更有效地应对业务变革,并完成数字化转型。”新华三集团副总裁、IT产品部总经理陈振宽说。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。