首先是与Nvidia的新合作伙伴关系,双方旨在推进RAN部署在跨混合云和多云平台的行业标准服务器上。红帽解释说,红帽的Kubernetes平台Red Hat OpenShift增加了对Nvidia融合加速器和Aerial SDK的支持,以帮助企业构建更强大的5G虚拟RAN和其他企业应用。红帽表示,此举提供了一个“可组合式的基础设施”,让客户能够支持边缘计算、人工智能、私有5G等应用更密集的计算需求。
与Nvidia的此次合作旨在让网络运营商能够采用开放式的架构,使他们能够在来自众多厂商的非专有组件之间进行选择。电信供应商在构建网络设备时可以遵循的各项行业标准,让开放式无线电接入网络变成可能,从而为最终用户提供了更多选择,让他们可以自由地从各种可编程的、智能的、分解的、虚拟化的、可互操作的网络功能中进行选择。
电信公司则通过使用可组合式基础设施,无需更专业的软件和硬件,从而简化他们的资源并优化现有的IT环境。他们可以使用Red Hat OpenShift作为他们网络基础,将其与他们选择的基础设施组件进行配对,然后集成Nvidia的GPU、DPU和融合加速器,将GPU与DPU结合到一个包中,更快速地处理数据包。红帽表示,这种设置还让网络运营商能够将那些需要更高安全性的基础设施密集型任务进行隔离。
红帽表示,除了Nvidia之外还将与三星展开合作,提供一种新的vRAN解决方案,该解决方案具有增强的集成和自动化功能,并将在今年下半年作为概念验证提供给客户。红帽表示,该解决方案旨在帮助服务提供商更好地大规模管理他们基于Open RAN的网络,同时提供更高的灵活性和运营效率,以满足5G的需求。
在能源效率方面,红帽正在与英国芯片设计公司Arm展开合作,打造新的网络解决方案,以降低一系列应用的功耗。此次合作包括开发和测试新的能源效率概念验证,将红帽的开源技术与Arm最高效的、基于精简指令集计算架构的计算平台相结合。红帽方面解释说,通过在Arm最新Neoverse CPU上运行Red Hat OpenShift和Red Hat Enterprise Linux,客户将能够获得性能更好的、更节能的CPU架构,该架构现在经过定制可以在低延迟5G网络上运行云原生应用了。
同时,为了帮助企业更好地了解工作负载的耗电情况,红帽宣布推出基于Kubernetes的开源 fficient Power Level Exporter项目。众所周知,Kepler刚刚被捐赠给云原生计算基金会,此举将使更广泛的社区能够扩展其功能。
Kepler是一款可以获取能源使用指标的软件,可以接入一系列网络基础设施平台,专注于报告、减少和回归分析,帮助企业更好地了解如何控制能源消耗。Kepler通过使用CPU性能计数器、扩展的Berkeley数据包过滤器、机器学习等技术来估算工作负载的功耗,然后将此信息导出为指标,然后用于调度、扩展、报告和可视化,使用户能够准确评估其云原生工作负载的碳足迹。
除了优化网络基础设施外,Kepler还可以通过帮助开发人员创建耗电更少的应用,来帮助他们开发更具可持续性的软件。
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。