部分人不相信微軟在開發(fā)ARM版Windows Server,但讓筆者好奇的卻是,微軟為什么遲遲不開發(fā)這樣的軟件。
一提到ARM處理器,人們會(huì)立即想到智能手機(jī)和平板電腦,但64位ARM處理器的處理能力要高得多。多年來,戴爾、惠普等硬件廠商一直在開發(fā)可以用在數(shù)據(jù)中心中的64位ARM服務(wù)器。
64位ARM服務(wù)器設(shè)計(jì)有吸引力的原因有很多。最根本的原因是:配置64位ARM處理器的微型服務(wù)器的TDP(熱設(shè)計(jì)功耗)在10-45瓦之間,遠(yuǎn)低于傳統(tǒng)X86服務(wù)器(超過90瓦)。服務(wù)器能耗越低,服務(wù)器電費(fèi)和數(shù)據(jù)中心的運(yùn)營成本也就越低。
一臺(tái)64位ARM服務(wù)器的能耗不足X86服務(wù)器的一半。由于能耗通常是數(shù)據(jù)中心最大的一項(xiàng)支出,因此ARM服務(wù)器能大幅降低數(shù)據(jù)中心成本。
各大商業(yè)性Linux巨頭——Canonical、Red Hat和SUSE,多年前就推出了支持64位ARM處理器的版本。
云計(jì)算的興起對(duì)數(shù)據(jù)中心的處理能力提出了全新的不同需求。微型服務(wù)器應(yīng)運(yùn)而生,能滿足擴(kuò)大規(guī)模,以及降低服務(wù)器成本和能耗的需求。
Red Hat與AMD、American Megatrends、AppliedMicro、ARM、Cavium、戴爾、惠普和Linaro等公司合作,啟動(dòng)了一個(gè)開發(fā)項(xiàng)目,使64位ARM處理器被應(yīng)用在數(shù)據(jù)中心中。之前,Red Hat幫助開發(fā)了ARM的Server Base System Architecture,有助于加速跨多個(gè)64位ARM平臺(tái)的軟件開發(fā)和支持。
簡而言之,Linux在64位ARM數(shù)據(jù)中心的發(fā)展中居于領(lǐng)先地位。微軟別無選擇,只能追隨這一潮流。
微軟開發(fā)ARM版Windows已經(jīng)有一段時(shí)間了。不過,Windows RT在市場上沒有取得成功,但是,把Windows Server移植到64位ARM處理器上遠(yuǎn)比把Windows 8變種移植到平板電腦上要重要得多。正如微軟上一季度財(cái)報(bào)表明的那樣,未來微軟將更多地依靠不斷增長的服務(wù)器和云計(jì)算業(yè)務(wù)獲得利潤。為了推動(dòng)服務(wù)器和云計(jì)算業(yè)務(wù)的增長,微軟已經(jīng)采用了另外一項(xiàng)基于Linux的技術(shù)Docker,以獲得更多的應(yīng)用。使Windows Server和Azure支持64位ARM非常符合微軟的技術(shù)和商業(yè)計(jì)劃。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。