近期,由中国信息通信研究院和中国计算机学会高性能计算专业委员会联合主办的《2018首届中国高性能云计算创新大赛》中,华为云一举摘得《优秀性能奖》和《性能表现优异》两项大奖。同时华为云的裸金属服务也获得了《公有云市场年度影响力产品奖》,这是对华为云有技术的体现,也是最强计算口碑的最好验证。华为在云计算领域有数年的投入,在虚拟化、硬件、芯片都有很强的实力,最强计算的能力也由此构建。
虚拟化技术——多年投入,成就领先地位
华为在云计算方面有多年的技术投入,在虚拟化领域具备超强实力。在虚拟化SPECvirt测评中,华为云的FusionSphere虚拟化操作系统从2013年至2017年连续5年取得SPECvirt测试最高分,彰显了华为云在虚拟化层面的深厚内功。
云基于虚拟化技术,而虚拟化层定时器时延是业界一大难题,传统的虚拟化定时器模拟方式会增加应用层定时器的时延,导致时延敏感性应用在虚拟机上体验不佳。而华为云为了解决该问题,投入专家针对虚拟化定时器进行了优化,把Cycle数降低了到原有的50% ,时钟精准率提升了300%,做到了物理机同等能力。
在2018年初爆发的CPU安全漏洞事件中,华为云不仅积极进行漏洞修复,还通过其对CPU微码应用的深入分析,找到了独特的漏洞修复方式,能够保证基本不损失CPU性能的情况下,完善的修复安全漏洞,这也凸显了华为云的技术实力。
硬件技术——能力输出,构建更强的云
公有云提供的大部分计算实例是虚拟机,然而裸机迎合的是希望从数据中心迁出应用程序的用户需求。在虚拟环境中,用户与其他用户共享CPU和内存空间,并且性能通常会因实例而异。性能可能会成为一个问题,当用户在公有云中启动虚拟机时,他们不知道其他用户可能在同一硬件上运行的工作负载,争用CPU周期和内存。华为自身为服务器制造厂商,能给打造强大的裸金属服务能力,目前推出的昆仑裸金属实例,最高规格为768核32T内存,也是公有云上最高性能的裸金属实例。
另一个方面,新型业务越来越多,例如智慧工厂、智慧交通、AR等,这些业务对于公有云的性能提出了更多诉求,绝大多数公有云厂商开始通过自行设计、研发硬件设备,实现极致运维效率和极致高性能,然后硬件的研发和设计是需要长期投入和积累,华为云基于客户诉求,研发了新一代智能云硬件平台Atlas。
图1 华为云Atlas平台
Atlas将底层资源池化,按业务供应逻辑资源池,按需提供硬件资源,统一编排调度,资源利用率提升50%。
目前,华为云提供多种GPU、FPGA加速云服务器,为客户带来极致的性能体验,可广泛应用于人工智能,科学计算,图形处理,视频编辑,基因工程等领域,充分满足行业要求。
芯片技术——创新从“芯”开始
现在的社会是一个高速发展的社会,每天产生数据量是难以估量的,在“数据洪水“冲击下,计算系统一直面临的性能瓶颈问题,华为云利用华为在芯片上的投入和技术,定制和自研了算、传、存三大类芯片。
算:基于云环境,华为云联合Intel定制了专为公有云提供算力的CPU。基于华为云对全栈技术的理解和深厚的技术积累,通过重新设计软硬件堆栈,重新优化底层协议,最终使基于此CPU的云服务器,计算性能同比友商高出15%。
传:大数据、视频、游戏等应用需要较高的网络性能,需要高吞吐量和一致的低等待时间,需要高I/O速率的处理能力,以便能够为网络功能传送所需的服务水平协议(SLA)。华为云基于海思Hi1822芯片,打造了SDI智能网卡,通过内置NPU处理器阵列实现融合、加速、智能,更高效地连接算力与数据。融合是将ETH、FC、SAS融合,降低组网成本,是将计算与存储融合,通过NoF卸载,实现资源灵活扩展。加速是通过芯片进行硬件加速,虚拟化网络加速提升租户性能30%+。智能是通过硬件加速引擎,使TCAM、BTREE、HASH、流表满足2~4层网络100G转发能力。
图2 华为自研SDI卡
存:数据读写瓶颈,影响着业务整体处理速度,华为自研SSD控制芯片,打造高性能SSD,消除数据读写瓶颈,让CPU忙碌起来。华为自研SSD控制芯片是一款基于华为SSD FTL算法、LDPC纠错算法而设计的ASIC控制芯片,能充分发挥控制器的性能潜力,支持最新版本NVMe标准。
在华为,有为了使芯片缩小0.01平方厘米而实验上万小时的射频工程师;有用十年青春换取语音通话像水晶般清透的执着美女工程师;有精益求精和每一个螺丝钉、每一分贝噪音较劲的风扇工程师。华为云计算服务的工程师们,他们虽然有着不同的分工,但秉承对匠心的理解,践行着对客户的承诺,通过数千个日日夜夜,全身心的投入,执着追求再低1ms的延时,追求再快1ms的速度,打破每一个性能的瓶颈,寻找性能的极限。也正是他们的追求和韧性,塑造了华为云最强计算的能力。
现在 “华为云最强计算--全新一代服务器开售优惠”持续进行中,性能更强折扣更多,点击了解详情:https://activity.huaweicloud.com/ecs_new/index.html
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。