7月15日,阿里云宣布推出第三代神龍云服務(wù)器,與上一代相比,第三代神龍云服務(wù)器的綜合性能提升高達(dá)160%。
第三代神龍云服務(wù)器產(chǎn)品家族提供了最多208核、最大6TB內(nèi)存,云盤IOPS高達(dá) 100萬、網(wǎng)絡(luò)轉(zhuǎn)發(fā)高達(dá)2400萬、網(wǎng)絡(luò)帶寬高達(dá)100G,均為全球最高性能水平,支持CPU、GPU、NPU、FPGA等多種計算形態(tài),具備3分鐘交付50萬核vCPU的極速擴容能力,是云原生的最佳載體。
按照這些數(shù)據(jù)現(xiàn)實,神龍云服務(wù)器的計算性能增長,突破了摩爾定律的極限。
對此,阿里云彈性計算負(fù)責(zé)人張獻濤表示,原來都是是芯片廠商、硬件廠商去做自己的硬件、芯片方面的一些迭代,軟件做軟件的迭代,大家很少坐在一起來共同去研究和優(yōu)化接口,因為接口本身都是標(biāo)準(zhǔn)化的。 雖然標(biāo)準(zhǔn)化有標(biāo)準(zhǔn)化的好處,但是標(biāo)準(zhǔn)化沒有辦法把軟件、硬件、芯片這些方面的深層次的能力給挖出來,所以,阿里云從2016、2017年開始,決定自己研發(fā)神龍服務(wù)器。
阿里云彈性計算負(fù)責(zé)人張獻濤展示神龍云服務(wù)器核心組件
“通過軟硬一體化的重新設(shè)計,可以帶來的性能的提升,是超越摩爾定律的,不再是按部就班的算力提升,因為摩爾定律本身有一個業(yè)界發(fā)展的規(guī)律在左右著。”
基于最新款云服務(wù)器的阿里云第六代增強型實例,全系搭配ESSD系列云盤,存儲轉(zhuǎn)發(fā)能力最多提升四倍;支持10Gbps突發(fā)內(nèi)網(wǎng)帶寬,單卷延時大幅下降;性能等級按需配置,在線無損變配;同時ESSD使用門檻大幅下降50%。Mysql和Redis性能提升超過15%,Nginx性能提升達(dá)100%。配合Alibaba Cloud Linux 2 LTS,啟動速度最多提升60%、運行時性能最多提升30%、穩(wěn)定性最多提升50%。
此外,阿里云ECS的單實例穩(wěn)定性從原來的99.95%提升到99.975%,跨AZ多實例穩(wěn)定性從原來的99.99%提升到99.995%,均為全球最高水準(zhǔn)。
過去十年,阿里云的存儲性能提升了2000倍,網(wǎng)絡(luò)性能提升了500倍,整體算力以平均每12個月翻一番的速度增長,向摩爾定律的極限發(fā)起挑戰(zhàn)。
從最早單一的通用計算,到推出異構(gòu)計算與高性能計算產(chǎn)品,再到今天的一系列新品,阿里云彈性計算已覆蓋互聯(lián)網(wǎng)、金融、零售等行業(yè)近300種場景,支撐了各種流量高峰:如12306的春運搶票、微博熱點的暴漲流量、釘釘2小時擴容10萬臺云服務(wù)器等。
“隨著云計算往縱深方向發(fā)展,軟硬一體和云原生將成為云計算技術(shù)架構(gòu)的主流。” 張獻濤表示,“未來3-5年內(nèi),容器在IT架構(gòu)里面占比將達(dá)到一半以上,云原生需要我們將虛擬化推向極致,實現(xiàn)更極致的啟動速度、并發(fā)能力、部署密度等。”
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(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)研究團隊提出SIRI方法,通過"壓縮-擴張"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。實驗顯示,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,輸出長度減少46.9%,真正實現(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)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,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)研究團隊發(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個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(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。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。