2021年,中国公有云市场规模达3229亿元,与此同时,私有云也终于冲破了千亿大关,增至1048亿元。
从市场规模来看,公有云仍是主流模式,但不同企业基于对成本、弹性、安全性、可控性、监管合规等诸多要求的考虑,越来越需要更多样化的云服务,混合云也由此而生。
和公有云、私有云类似的是,混合云同样需要强大的计算能力、灵活的运营模式的支撑,正因如此,来自英特尔®至强®可扩展处理器和HPE的HPE GreenLake也继续在新型混合云模式下发挥着强大的魔力。
SafeDX借东风
SafeDX是一家成立于2016年的云厂商,作为富士康集团旗下独立运营的云服务提供商,成立之初就是为了面向企业提供数据中心及云服务。
作为能耗大户,电力使用效率(PUE)一直是数据中心运营过程中的关键指标,全球各国对数据中心的PUE均有着苛刻的要求。
为了增强在数据中心领域的服务能力、降低PUE值,SafeDX在2018年官宣为其新一代数据中心云服务进行大规模Openstack集群部署,而这种数据中心基础架构由SafeDX联合英特尔、富士康共同设计。
众所周知,数据中心大部分电能用于冷却设备,有数据显示,数据中心40%的能源消耗都用在了设备冷却上,正因如此,要降低数据中心能源消耗,降低设备冷却成本就成了一个必须考虑的因素。
SafeDX此次部署的数据中心中,基于英特尔®至强®可扩展处理器和英特尔RSD内置的强大遥测技术及能效解决方案,通过PSME、RMM和PODM协同工作收集风扇速度、CPU散热裕度、DIMM热余量、CPU和内存的利用率等遥测数据,通过PODM将所有这些信息传递给英特尔智能数据中心管理平台,由此实现数据中心冷却系统的智能控制。
通过使用英特尔®至强®可扩展处理器、英特尔RSD以及英特尔智能数据中心管理平台,在完成第一阶段基础架构部署工作后,最终使得SafeDX这次部署的数据中心设备冷却能耗节省了25%,PUE值也得以大幅下降。
混合云新战场
2021年,在全球数字化转型进入新格局后,SafeDX也迎来了新的合作伙伴,HPE。
2021年7月,SafeDX官宣,将使用HPE GreenLake边缘到云平台来支持其新的混合云服务,以推动业务持续增长。
根据Gartner统计数据显示,2021年以IaaS、PaaS、SaaS为代表的全球公有云市场规模为3307亿美元,毫无疑问,公有云仍是云服务中的主流模式,但不同企业基于对成本、弹性、安全性、可控性、监管合规等诸多要求的考虑,越来越需要多样化的云服务模式。
在云服务模式创新中,硬件成本始终困扰着企业业务向云迁移。选用私有云,硬件部署成本太高,选用公有云,又难以满足一些企业对于安全性、可控性、合规性的要求,基于这样的需求,混合云应运而生。
2020年从富士康集团业务分离后,SafeDX开始专注于混合云解决方案,为了进一步发挥混合云模式的优势,SafeDX与HPE合作,使用HPE GreenLake边缘到云平台来支持其新的混合云服务。
HPE是全球第一家提供企业级即服务的厂商,采用HPE GreenLake即服务模式,用户不再需要一次性购置3-5年的硬件,避免了因此带来的硬件没有得到充分利用带来的资源浪费,对用户来说,只需要操作最上层的HPE GreenLake平台,就可以轻松使用云服务。
SafeDX正是以HPE GreenLake即服务模式为企业进行云服务能力交付的。其中,HPE ProLiant服务器用于可信的高性能计算平台,而HPE Primera则用于面向关键业务应用的智能存储。
在这之中,英特尔®至强®可扩展处理器再次为整套方案提供了强大的算力支撑,第三代英特尔®至强®可扩展处理器可将物联网解决方案设计的平均性能提高1.46倍,英特尔深度学习加速技术可将人工智能图像分类的推理能力提高1.56倍,此外,第三代英特尔®至强®可扩展处理器还通过英特尔®Speed Select技术整合了一系列功能,通过增强对CPU性能的控制,在提高性能的同时优化总体拥有成本。
实施这一新的解决方案后,SafeDX的客户能够轻松响应任意工作负载和计算需求,开发新应用的速度增加了3倍,同时加速了跨公有云和私有云的软件方案部署。
SafeDX选择基于第三代英特尔®至强®可扩展处理器的HPE GreenLake为其云服务提供支持后,使得使用SafeDX云服务的企业减少了35%的成本支出,并显著加速了产品上市时间。
好文章,需要你的鼓励
Brave Software开始为其AI助手Leo提供可信执行环境(TEE)技术,以增强云端AI服务的隐私保护。目前该功能仅在测试版本中支持DeepSeek V3.1模型。TEE技术能为数据处理提供可验证的机密性和完整性保障,解决传统云端AI模型处理用户请求时数据暴露的隐私风险。该技术采用Intel TDX和Nvidia TEE方案,让用户能够验证服务提供商的隐私承诺,确保AI响应来自声明的模型,未来将扩展支持更多AI模型。
谢菲尔德大学研究团队通过系统性"拆解"实验发现,AI语言模型的注意力机制并非所有组件都不可或缺。研究证实信息混合是核心要素,而数学计算方式和动态适应能力可适当简化。最重要的发现是混合策略的神奇效应:让标准方法与简化方法交替工作,不仅保持性能还显著提高效率,为开发更经济实用的AI系统开辟了新路径。
OpenAI宣布与富士康合作,专注于下一代AI基础设施硬件的设计和美国制造准备工作。双方将结合OpenAI对AI模型需求的洞察和富士康的制造专业知识,共同设计多代数据中心硬件,强化美国AI供应链,并在美国本土构建关键AI数据中心组件。此次合作旨在满足先进AI模型对专用物理基础设施的需求,加速先进AI系统的部署。
浙江大学研究团队开发了ContextGen,这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制,解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题,并创建了业界首个10万样本的专业训练数据集,在多项测试中超越现有技术。