随着物联网的深入发展,以及数据量的不断增长,各类业务都需要高速处理技术来实现大数据分析。为了满足诸多的行业需求,富士通实验室有限公司开发了软件定义的固态硬盘(SSD),可实现并行处理从而使其性能比标准固态硬盘快了3倍。
富士通实验室软件定义的固态硬盘设备在软件层为闪存转换层(FTL)提供支持,使NAND Flash存储器可由软件直接访问。由于对NAND闪存的数据放置和访问模式可以根据工作负载来进行优化,使其性能发挥到最高,并使用户能够利用其高速性能的优势,将其用作对主存储器的扩展。
由于涉及到许多突破性的技术,这个系统的设计工作遇到了挑战。通过硬件试生产,富士通实验室测试了整个系统的运行情况,并对整个系统的性能进行了评估。在软件定义的SSD之中,为最大限度地提高系统性能,富士通实验室需要根据工作负载来对硬件设计参数进行优化。在构建与软件相协调的硬件之前,必须对系统性能做出评估。
富士通实验室借助于风河Simics找到了解决方案。通过在一个虚拟系统上进行实际场景的设计与测试,Simics支持他们采用新的开发技术,而这在物理硬件上是根本不可能进行的。例如,为了同时兼顾成本控制和性能优化,富士通实验室需要确定在系统中部署的通道和芯片之间的最佳平衡。应用Simics在虚拟硬件上进行负载模拟,他们对通道和芯片的多种组合进行反复试验,评估每个方案的执行速度,从而能够信心十足地确定最佳组合。对Simics丰富的调试功能集,富士通实验室留下了深刻的印象,这使他们能够在获得实体硬件之前就及早开始软件调试工作,从而精确地确定性能瓶颈所在之处,并且及早采取优化措施。Simics对设计、开发和测试过程中的许多重要方面都具备革命性的意义。
在建立起软件定义的SSD之后,富士通实验室在真实硬件上对通道和芯片的最高效组合数据进行了验证。其结果证实了Simics所模拟的场景。通过Simics所获得的数据洞察,让他们清楚地意识到,拥有Simics这样的模拟工具确实不可或缺,在未来更多项目中更是如此。风河将会继续发展与富士通实验室的合作关系,并支持他们达成自己的使命,开发出更多尖端技术,应对当今社会中的挑战。
好文章,需要你的鼓励
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。