每年发布两轮的全球五百强超级计算机榜单,堪称系统设计领域最新进展的参考依据。由于过去六个月当中计算速度的快速提升,如今全球五百强超算的总体处理能力首次超过了1.5百亿亿次——用另外一种单位表示,相当于每秒150万万亿次运算。其中去年在能源部橡树岭国家实验室上线的Summit超级计算机为这一总体水平贡献了高达十分之一的力量。凭借着如此强悍的性能,Summit在本次榜单中拔得头筹,其最高计算能力为148.6千万亿次。
亚军则是来自劳伦斯利弗莫尔国家实验室的Sierra设备,其拥有94.6千万亿次浮点运算力。这两套系统都是由IBM公司通过其Power 9 CPU配合英伟达公司旗舰级V100显卡打造的大量服务器构建而成。
Gartner的研究显示,全球客户体验与关系管理(CRM)软件支出在2018年增长15.6%,达到482亿美元。CRM仍是最大且增长最快的企业应用软件。
根据IDC全球服务器季度追踪报告显示,2019年第一季度全球服务器市场厂商收入同比增长4.4%至198亿美元,全球服务器出货量同比下降5.1%至260万台。2019年第一季度整个服务器市场在经历了连续六个季度的两位数收入增长之后开始放缓,不过增长仍然是比较强劲的。批量出货的服务器收入增长了4.2%,达到167亿美元,中端服务器收入增长30.2%至21亿美元,高端服务器连续第二个季度收入萎缩,同比下降24.7%至9.76亿美元。
根据IDC全球物联网半年度支出指南预计,到2022年全球物联网(IoT)支出将超过1万亿美元,到2023年达到1.1万亿美元,从2019年到2023年预测期间的物联网支出复合年增长率为12.6%。在整个预测期内,物联网解决方案上支出最多的三个行业分别是离散制造、流程制造和运输业。总的来说,到2023年这三个行业的物联网支出将占到全球总支出的近三分之一。两大制造行业的物联网支出主要用在了制造运营方面,而运输业主要把支出用于货运监控上。此外,消费者市场将成为2019年第二大物联网支出来源,以智能家居和联网汽车用例为主导。在五年增幅最高(复合年增长率为16.8%)的行业中,预计消费市场将超过离散制造业,成为2023年最大的物联网支出来源。
作为全世界最权威的排名榜,新一期全球高性能计算机(HPC)TOP500榜单在德国法兰克福举行的国际超算大会(ISC2019)公布,排在榜首的仍然是来自美国的“Summit”,它也实现了“三连冠”。美国的另一台超算系统Sierra位居次席,来自中国的神威·太湖之光和天河二号名列第三及第四名,而第五名的则是新入榜的超算系统,由Dell EMC研制,部署在美国德克萨斯大学先进计算中心的Frontera。
在这份榜单中,由中国厂商研制的超算系统入围TOP500的数量继续提升,本次跻身全球500强的席位数再超美国,占据世界第一。值得一提的是,中国进入前500名的超算系统主要来自联想、中科曙光及浪潮,三家厂商入围数量共计307套。
从这份榜单中可以看出,部署在中国地区的超算系统入围榜单的共计219套,份额占比高达44%,性能占比只有30%。TOP500排行榜里,最能体现机器性能的当属TOP100。此次榜单的前100名里,共有9套部署在中国地区的超算系统入围,从其研制的超算厂商方面来看,中科曙光与联想最多,均为3套。
VMware公布的第一季度财报显示,该季度VMware的收入同比增长12.8%达到22.7亿美元,略低于市场预期的22.5亿美元,增幅略低于上个季度的13.5%。
红帽2020财年第一季度财报显示,本季度总营收为9.34亿美元,比去年同期增长15%。本季度的订阅收入为8.15亿美元,比去年同期增长15%;订阅收入占总收入的87%。本季度服务收入为1.19亿美元,比去年同期增长17%。
《2019Veeam云数据管理报告》调查结果,73%的组织承认无法满足不间断访问数据和服务,这将会给企业每年造成2000万美元的损失,体现了停机对收入损失、生产力和客户信心造成的破坏性影响。
Nutanix近日公布了其企业云指数报告中对制造业的调研结果,旨在评估制造业企业对私有云、公有云和混合云的部署计划。报告显示制造业在混合云使用和部署计划方面已经领先全球各行业的平均水平。目前,生产制造类企业混合云部署渗透率已达19%,略高于全球平均水平。同时制造商还计划在未来两年内,将混合云部署的渗透率提高一多倍至45%,超过全球平均水平的4%。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。