微软的 Cobalt 100 Arm CPU 日前在 Azure 云全面上线,在 Redmondian 云中运行虚拟机因此多了另一种非 x86 选择。
Cobalt 100 Arm CPU 处理器支持三种实例类型:Dpsv6、Dplsv6 和 Epsv6。
前两种实例类型适用于通用计算。Dpsv6 实例提供的虚拟机可配备 2 个虚拟 CPU 和 8 GiB 内存(月租价格为 51 美元)到 96 个 vCPU 和 384 GiB 内存(月租价 2460 美元)不等。微软认为这些实例适用于网络和应用服务器、中小型数据库或运行缓存。
眼尖的读者可能已经注意到上述虚拟机每个 vCPU 都配置了 4GiB 内存。Dplsv6 实例类型的内存减半,价格也相应降低,最小的机器每月 45 美元,96 核的巨型机器每月 2172 美元。微软推荐将这些虚拟机用于运行微服务、小型数据库、缓存和游戏服务器。
Epsv6 虚拟机每个 vCPU 提供 8 GiB 内存。一对 vCPU 的价格为每月 67 美元,96 个 vCPU 的价格为 3,230 美元。这样配置的 Epsv6 虚拟机适用于关系数据库服务器、大型数据库、数据分析引擎和内存缓存。
如果选择签约长期使用或能够承受使用按需实例带来的风险,价格与上述报价比可以更低一些。
诚如《下一代平台》(The Next Platform)在微软发布 Cobalt 100 时所说的那样,该芯片似乎是基于 Arm 提供的 Neoverse Compute Subsystems N2 设计。Neoverse Compute Subsystems N2 可作为构建处理器的模板,由台积电公司(TSMC)采用 5 纳米工艺制造,拥有 128 个内核(两个 64 核芯片组合的结果)。目前尚不清楚微软为什么不提供 128 核虚拟机。
微软当然公布的颇为迷人性能数据:基于Cobalt的虚拟机“与前几代基于Azure Arm的虚拟机相比”速度提高了 1.4倍,在运行 Java 工作负载时速度最多提高了 1.5 倍,而在运行网络服务器、.NET应用程序和内存缓存应用程序时性能提高了两倍。
微软在发布的帖子中指出,“这些虚拟机还支持 4x本地存储 IOPS(使用 NVMe),网络带宽与上一代基于 Azure Arm 的虚拟机相比最多提高了 1.5 倍。”
这里有两点需要注意。
其一,所有配备 Cobalt 的实例都使用相同的 3.4GHz 处理器,并省略了临时存储。微软当然允许用户添加 Azure 存储,用户可以选择多种类型。但这家软件巨头并未透露上述基准性能是配置什么存储获得的。
另外,微软并没有解释“前几代基于Azure Arm的虚拟机”是什么意思。微软在这一领域的最后一次努力使用的是 Ampere 的 Altra 处理器。
读者可能还记得甲骨文公司拥有 Ampere 公司三分之一的股份,并可能在 2027 年控制这家芯片设计公司。也许微软想在不直接冒犯的情况下让我们知道,它已经打败了被甲骨文驯化的芯片设计公司。
新的虚拟机在 Azure 的加拿大中部、美国中部、美国东部 2 区、美国东部、德国中西部、日本东部、墨西哥中部、北欧、东南亚、瑞典中部、瑞士北部、阿联酋北部、西欧和美国西部 2 区“广泛可用”,也“即将”登陆澳大利亚东部、巴西南部、法国中部、印度中部、美国中南部、英国南部、美国西部 3 和美国西部地区。“即将”指的在 2024 年。
好文章,需要你的鼓励
宏碁Aspire 14 AI在Costco售价500美元,成为最便宜的Copilot Plus PC。该笔记本搭载英特尔Lunar Lake处理器,拥有现代化配置而非过时组件。配备16GB内存和1TB固态硬盘,电池续航近19小时。虽然设计和显示屏表现一般,但整体性能出色,AI处理能力达到40万亿次操作每秒,是预算有限用户的优质选择。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
博通公司第三季度业绩超预期,每股收益1.69美元,营收159.6亿美元,同比增长22%。公司获得来自新客户的100亿美元定制AI芯片订单,推动股价在盘后交易中上涨超3%。AI相关营收同比增长63%至52亿美元,预计第四季度将超过62亿美元。公司专注为超大规模云基础设施提供商设计定制芯片,已成为英伟达的主要竞争对手之一,年内股价上涨32%,市值超1.4万亿美元。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。