ZD至顶网软件频道消息:微软发布第一波新闻稿后,业内人士发现微软又正式宣布长期来一直与英特尔、AMD和两个ARM厂商(高通和Cavium)有合作,以支持奥林巴斯(Olympus)项目,奥林巴斯项目是微软提供给开放计算项目的下一代云硬件设计。微软还宣布了一直都与多家ARM供应商(包括高通和Cavium)在洽谈将Windows服务器移植到ARM,但只供微软内部数据中心用。
网上可以找到微软在开放计算项目峰会的演讲录音(https://www.youtube.com/watch?v=0hcpUFMXGM8)。
笔者曾就微软本周发布的消息提了一些问题。下面是微软发言人的回答。
问:ARM版Windows服务器会提供给外部合作伙伴和客户用吗?如果会的话,会在什么时候?
答:ARM64版Windows服务器仅供内部使用,是用于评估Azure服务在ARM版服务器上的性能。微软目前未能提供更多关于未来的路线图计划的资料。
问:微软之所以在旗下的数据中心服务器使用ARM版Windows服务器(而不是Azure或Azure堆栈)是因为Azure和Azure堆栈不能运行ARM(只能运行英特尔)吗?
答:Azure现在是在Windows服务器上运行,所以此举可以对ARM64即平台用于一些Azure服务的交付进行内部评估。
问:Cavium在今天发布的消息里的角色是什么?
答:Cavium开发的主板可兼容奥林巴斯项目,微软可以在旗下的数据中心部署奥林巴斯项目。
问:微软为什么将Windows服务器放在ARM上?是因为ARM比英特尔处理器的功率效能更好吗?是因为微软认为数据中心这一块不要仅限于一家芯片玩家会更好一些吗?是对英特尔的数据中心计算表现的不满意吗?是因为所有以上的原因/以上原因没一条沾边?
答:多ARM服务器供应商的健康生态系统是要确保能在内核和线程计数、缓存、指令、连通性选项及加速器等技术功能方面保持 积极的开发。另外, ARM即成的开发人员和软件生态系统也可以受益于高端手机软件栈。
问:微软设计的奥林巴斯项目可以为用户提供不同的服务器设计选择;如英特尔至强(Skylake)带英特尔FPGA或英特尔Nervana;AMD Naples等等。微软还称要与高通和Cavium一起“推进ARM64云服务器与奥林巴斯项目的兼容”。这是否意味着奥林巴斯服务器也可以在其主板上使用ARM处理器呢?
答:由高通和Cavium设计的ARM64兼容奥林巴斯项目。
问:微软博客上说ARM服务器可以用于内部云应用程序,如搜索和索引、存储、数据库、大数据和机器学习工作负载。这是否意味着微软在ARM服务器上只运行 这些工作负载而在英特尔或AMD服务器上运行其他Azure工作负载呢?
答:微软正在积极评估ARM服务器,以推动旗下数据中心内部云服务的创新,目前没有进一步的资料分享。
问:微软技术研究员Jeffrey Snover的推特文把我都弄糊涂了。如果只是微软自己使用,微软在ARM上运行Windows服务器之举何以是以客户为中心呢?
答:微软在内部数据中心的创新能提高性能和效率,最终受益的是消费者。
笔者认为微软在回答为什么与ARM供应商合作时的说法很能说明问题,基本上证实了此举主要是为了向服务器芯片完全主导供应商英特尔施压的看法。
笔者还注意到微软官员在回答我的第二个问题时说了在Windows服务器上运行Azure,这令我有些困惑,因为微软官员常常称(至少对我是这样说的),Windows服务器和Azure不是一回事。
我假定这里的“运行Windows 服务器的Azure”只是Windows服务器核心/OneCore构成Azure说法的简短版。因为Windows服务器是Azure的关键构件、Windows服务器上可在ARM上运行意味着基于ARM的硬件有朝一日可以在生产线上用于(至少有这个潜力)数据中心,包括Azure数据中心。
在笔者收笔前微软官员又有话说。前文提到的发言人的声明:
“微软Azure 可在Hyper-V上运行,客户购买的Windows服务器操作系统里就有Hyper-V。这意味着我们在持续投资改善世界上数一数二的分布式虚拟环境时,客户的数据中心是会受益的。我们为部署Azure提供的Windows服务器安装选项就是服务器核心安装选项。”
好文章,需要你的鼓励
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。