Oracle公司今天推出了最新版本的Exadata数据库优化计算平台,宣称与上一代产品相比,其在人工智能模型训练中使用的矢量搜索性能提高了55%,分析扫描吞吐量提高了2.2倍,交易处理性能提高了25%。
Exadata X11M接替了18个月前推出的Exadata X10M。Oracle在这一版本中强调了灵活性,指出该系统可以在企业内部使用,也可以通过所有主要的云服务访问,还可以作为Oracle托管服务在本地部署。
它采用了AMD最新一代的 96 核EPYC处理器和远程直接内存访问技术。该技术允许在联网计算机的内存之间直接传输数据,不涉及任何一台计算机的操作系统或CPU。
Oracle表示,该版本的软件增强功能将RDMA性能提高了33%,与X10M相比,全闪存存储的使用将访问时间缩短了一半。
更快的矢量搜索
Oracle特别强调了该机器在矢量搜索方面的性能提升,矢量搜索是一种寻找数据数据的方法,与查询相似但不完全相同。它是推荐系统和自然语言处理等人工智能应用的核心功能。
该平台还支持持久矢量索引搜索功能,其中矢量索引及其相关数据不是完全存储在主内存中,而是存储在持久存储介质上。这样就可以在大型数据集上进行搜索,同时还能提高可用性。
新的矢量距离运算符会根据 SQL 查询返回矢量之间的距离。距离运算符通过测量两个向量之间的距离来量化它们之间的相似或不相似程度,距离越小表示项目之间的关系越密切。
Exadata数据库服务产品管理副总裁Bob Thome表示:“计算向量之间的距离非常耗费 CPU。”“我们将其下推到存储层,使其速度更快。”
Thome表示,矢量搜索可以透明地卸载到Exadata存储,并利用比传统架构快30倍的算法。搜索查询也可以在存储服务器之间自动并行。
这与软件有关
Oracle指出,Exadata使用现成的组件,通过软件实现其速度和灵活性。Thome表示:“如果你只是采用标准架构的CPU,你实现不了同样的结果。”“我们独特的数据智能软件可以实现更高量级的性能。”
这包括用于节点间集群协调的专有算法和可加速对存储数据的访问的独特RDMA 缓存功能。一项名为Smart Scan的功能可自动将数据密集型 SQL 操作卸载到存储中,而另一项功能则可自动将行数据转换为内存中的列格式,以便进行高速分析。Oracle称,与X10M相比,分析查询处理的速度最多可提高25%。
Oracle公司仍然重视多云部署,其目标是使Exadata成为所有企业使用该公司数据库管理软件的首选平台。去年7月,Oracle宣布推出一项服务,利用多个云实例大幅降低 Exadata 的成本。今年9月,在谷歌云和微软的Azure 之外,该公司平息了长久以来与AWS的争端,在AWS上的Oracle Cloud Infrastructure 上提供Exadata数据库服务。
数据库和自主服务产品营销全球副总裁 Steve Zivanic 表示,运行 Exadata工作负载的客户现在可以“在不同的部署场景之间移动,而不会出现停机或中断”。“如果你在企业内部部署,但想涉足云计算,不需要移植或更改应用程序。 你可以随心所欲地移动工作负载。”
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。