1913年4月的某一天,在福特位于美国密歇根州高地公园的汽车装配工厂的飞轮磁电机装配车间中,一位工程师将整个电机的装配工作拆分成了29道工序,每个工人完成其中一道工序后传递给下一位工人。
人类历史上第一条流水线就这样在福特的汽车装配工厂中诞生,这条流水线最终将一辆汽车生产时间从12个小时缩短到了6个小时,而仅仅是一年,基于此进一步改进的流水线将一辆汽车的组装时间再次缩短到90分钟。
流水线的出现提高了汽车生产效率,在之后几年里,随着自动化汽车装配线的迅猛发展,汽车得以成为大众产品,进入千万人家庭。
如今,随着产业数字化不断深入,汽车行业再次迎来新的产业周期,而新周期的动力来自于英特尔这样的科技公司推动下的「软件定义」,来自于英特尔的软件定义芯片、边缘计算平台、OpenVINO开发套件,以及与HPE一同搭建的软件定义的云服务。
一个软件定义的时代已经悄然开启。
保时捷为汽车改建数据中心
作为全球顶级车企,保时捷也在积极进行着数字化转型,而其旗下专为大众汽车集团提供IT服务的Porsche Informatik也通过应用搭载第三代英特尔®至强®可扩展处理器的HPE Synergy进行了一次数字化升级。
这次升级的关键在于,数据中心的改造。
随着当下网络环境变得越来越复杂,数据泄露事件频发,据ITRC发布的《2021 Data Breach Report》统计数据显示,2021年有记录的数据泄露事件达1862起,刷新历史记录。于是,在数据中心建设或改造过程中,安全问题就成了首要需要考虑的问题。
保时捷这次改造数据中心选用的服务器是配备了38个HPE Synergy 480 Gen10计算机模块的HPE Synergy 12000,HPE Synergy 480 Gen10的核心处理器选用的第三代英特尔®至强®可扩展处理器中搭载了英特尔®SGX技术,该技术可以提供基于硬件的内存加密、将内存中的特定应用代码与数据进行隔离,从而实现数据主动防护。
解决了安全问题后,就需要进一步考虑算力问题。众所周知,大数据已然成为当下时代主题,尤其在车企纷纷开展自动驾驶技术研发时,数据处理以及人工智能、机器学习模型训练效率就成了这场竞赛的关键。
作为面向物联网、人工智能时代的数据中心,自然需要拥有能够高效运行复杂人工智能负载的能力,第三代英特尔®至强®可扩展处理器除了可以提供强大的算力,还支持AVX-512、DL Boost指令集,可以对人工智能负载进行专门的加速,这也让搭载第三代英特尔®至强®可扩展处理器的HPE Synergy在算力上有了极大的提升。
此外,HPE Synergy 12000采用全新的塑合新基础架构,能够满足HPE智能管理软件架构对计算、存储、网络的灵活使用,这样的设计也使得HPE能够以“基础设施即代码”的形式向用户提供服务。
于是,经过6个月的市场调研,对市场上的服务器产品进行对比、测试,Porsche Informatik最终选择与HPE合作,进行这次关键的数据中心改造。
汽车行业的软件定义时代
2019年,在HPE Discover 2019大会上,HPE推出了GreenLake即服务,这一年,HPE开始由IT厂商向服务型厂商转型。HPE GreenLake是一种全新的基于订阅的云服务模式,这一模式重新定义了混合云管理和交付模式。HPE中国区首席技术官张楠指出,“HPE GreenLake快速交付、灵活部署、按用付费的服务模式可以帮助企业将精力专注在业务发展上,在数字化转型中享受更便捷的云服务。”
英特尔公司高级首席工程师、视频事业部全球首席技术官、物联网事业部中国区首席技术官张宇在今年9月的2022世界人工智能大会上也特别提到,“在全球数字化转型浪潮下,企业和社会的发展需要一个绿色、智能和以软件定义为基础的端到端数字基础架构来进行承载。”
为此,英特尔®至强®可扩展处理器针对软件定义进行了进一步优化,通过软件将物理资源在控制层进行分离,以适应更智能的资源调配;全新升级的OpenVINO开发套件增加了硬件自动发现和自动优化功能,让软件开发者可以在任意平台上实现最优性能。
实际上,这些也都是Porsche Informatik对数据中心进行数字化改造的主要原因,也注定了要借力英特尔、HPE来一起完成这次数字中心的数字化改造。
保时捷Informatik虚拟化和存储团队负责人Gerald Nezerka称,“当下的汽车行业,最重要的就是「快速」和「敏捷」。”基于此,Porsche Informatik定下了“完全实现软件定义”的目标。
得益于基于第三代英特尔®至强®可扩展处理器的HPE Synergy部署的混合云,Porsche Informatik如今已经能够更从容、更敏捷地应对当下蜂拥而至的数字化需求,“现在,无论保时捷或是整个大众集团的经销商提出多么庞大的数字化需求,我们都可以轻松、快速地规划和实施。”
而得益于HPE创新的GreenLake模式的应用,Porsche Informatik现在只需要为实际使用的算力按月付费,避免了高昂的设备采购成本,更轻松地体会到了数字化带来的效率和便利。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。