ZD至顶网软件频道消息:AWS 年会消息:AWS表示已经开始打造自己的芯片,目的是为旗下庞大的云服务流量提供帮助。
盈利的AWS隶属亚马逊帝国。AWS表示已开始在AWS服务器里使用特别设计过的Annapurna ASIC芯片,为控制物理网络及SDN网络的流量出一把力。这样做可以腾出数以万计的CPU,以集中处理计算任务。
该款定制芯片也是推动AWS自定义网络架构的动力。AWS自定义网络架构用的是25 GB 太网网。亚马逊认为25 GB 太网网事实上比常用的10 GB太网网和40 GB太网网标准更具扩展性及更高效。
亚马逊副总裁和杰出工程师James Hamilton本周在拉斯维加斯召开的AWS re:Invent大会上表示,这些芯片提供了另一个层面上的灵活性,可以对亚马逊旗下专门托管AWS云实例的所有数据中心进行优化。另外,使用了这些芯片后,亚马逊可以在网络方面采用不同的方法,他称这也反映出业界的大趋势是摈弃传统的封闭路由器盒。
Hamilton还表达如下的看法,“不妨看一下时下的网络状态,它基本上就是20年前服务器的状态。只要将垂直堆栈分离肢解,各种公司之间就会出现竞争和合作,大事情就会发生。”
亚马逊在构建旗下18个 AWS数据中心区时采用的方法在很多情况下也是这样做的。每个区有多个构造群(按AWS的说法是 “可用性区域”),每个群里安装了多达30万台服务器,另外尚有别的“运输中心”构造群,里面是亚马逊全球网络的网络系统。每个可用性区域的功率为2500-3000万瓦,不过Hamilton称,亚马逊可能会将其扩展到2亿5000万瓦,前提是这样做从经济的角度上考量有益处。
Hamilton估计AWS计算能力每天的增加量大约可满足一家财富500强公司的计算需求。
他表示,“AWS在2015年里部署的服务器容量可以支持2005年的亚马逊,亚马逊当时已经是一家身家值84.9亿美元的企业了。”
AWS对硬件的兴趣极大,在很大程度上已经在从服务器设计到ASIC芯片的旗下各种网络设备上拥有话语权。AWS的机架式服务器是专为AWS云实例打造的,这些服务器其实非常小,机壳里几乎一半是空的。
Hamilton表示,这些设计简约的服务器比从供应商购买的服务器在功率和散热方面效率都要高得多。
他表示,“OEM销售给客户服务器密度可能是三、四、或五倍,效率较低。他们会多收费补上。”
AWS存储超大,其设计同样也令人印象深刻。亚马逊服务需处理巨大的数据负载,用到的服务器设备密度极大。比如,一个存储盒的容量高达8.8 PB,含1110个硬盘,只用了一个42 U机架。整个盒子重2778磅。Hamilton称,该存储盒其实是一款老系统。
时至今日,规模已经扩展到AWS够用了。Hamilton表示,他认为目前的数据中心设施的规模就物理尺寸上而言已经是最佳的了,未来计划的区不会比现在用的设施大许多。
Hamilton 称,“已经快到了再做大的益处已经很小的地步了。”
他表示,“我们觉得这种大小正好。我们的花费多一点,不过我们认为对用户来正好。”
好文章,需要你的鼓励
英国宠物慈善机构PDSA数据显示,超过半数宠物主担心无法承担兽医费用。科技公司正通过AI和物联网技术解决这一市场需求。在伦敦兽医展上,多家初创公司展示了创新技术:AI for Pet利用视觉AI分析宠物眼部、皮肤等图像提供健康洞察;Sylvester.ai开发AI模型识别猫咪疼痛表情;VEA整合患者数据自动化诊断。此外,智能项圈等物联网设备可追踪宠物健康症状。这些技术有助于宠物主采取预防措施,降低兽医费用。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
北欧国家启动统一人工智能产业计划,旨在通过合作在全球舞台上竞争,获得微软和谷歌支持。10月成立的新北欧AI中心获得350万英镑初始预算,但谷歌和微软是唯一提供资金支持的科技公司,具体金额保密。该中心将开发生成式AI系统并建设应用AI服务的系统。北欧教育部长承诺追加资金开发大型北欧语言生成AI模型。尽管资金有限,但北欧国家希望通过联合力量在AI竞赛中提升地位。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。