數據中心最新文章 全閃存數據中心的夢想正在慢慢實現 2011 年，當 Pure Storage 為任務關鍵型數據中心發表了第一套足夠強大、且經濟的全閃存存儲陣列時，引起了市場與客戶的關注。從此，Pure 便立志要實現全閃存數據中心的夢想。 發表于：4/18/2023 算法排程：解決制藥排程危機 排程員必須花費多少時間來處理數據？從車間的操作員處收集最新數據是他們“日常工作”的一部分，但卻被無休止的電話、郵件和短信來來回回而延誤數據采集。所有這些因素都會給排程員帶來巨大的消耗，并因變更沒有得到足夠快的響應而導致生產受挫。 發表于：4/18/2023 “百模大戰”，來了 一夜之間，AI大模型熱得發燙。 發表于：4/13/2023 是德科技推出光測試解決方案 是德科技公司（NYSE：KEYS）日前宣布，推出一款全新 FlexOTO 光測試優化軟件和解決方案。該解決方案可降低多通道接口測試的總體測試成本，例如收發信機制造商的 800G、1.6T 和 3.2T 共封裝光器件（CPO）/近封裝光器件（NPO）。 發表于：4/11/2023 歐盟數據治理域下再利用數據的經驗與啟示 歐盟于2020年出臺了《數據治理法》以明確數據治理新措施“數據再利用”，歐盟數字主權取得進一步發展。本文通過分析對再利用模式運作中雙重邏輯，指出該法案象征著數據利他主義概念在歐盟數據治理域下的正式確立，并得出對我國數據治理具有啟發性的三點：明確數據治理中數據類型范圍、數據使用需兼顧數據保護以及先行完善數據共享的統籌規劃。 發表于：4/7/2023 粵港澳大灣區數據要素安全有序跨境流動的困境與出路 數據要素的價值潛力在數字經濟時代中愈發明顯，逐漸成為世界各國創造經濟價值的新動能。數據要素安全有序流動可以提升我國數字經濟國際競爭力、增進我國數據消費群體共同福祉、為相關領域科學決策奠定良好基礎。粵港澳大灣區作為我國對外開放程度和數字經濟發展水平最高的區域之一，具有“一國兩制三法域”的特殊性，是數據跨境流動治理的天然試驗場。在推進粵港澳大灣區數據要素安全有序跨境流動過程中，面對數據要素權屬界定尚不明確、流通渠道有待暢通、安全監管仍需加強等困境時，只有加快構建數據要素產權保護制度、建立健全數據要素流通平臺、加強數據要素安全保障，才可以有效實現數據要素的資源優勢，提升我國在信息化時代中的國際地位。 發表于：4/7/2023 中國Chiplet的機遇與挑戰及芯片接口IP市場展望 ? 在探討Chiplet（小芯片）之前，摩爾定律是繞不開的話題。戈登·摩爾先生在1965 年提出了摩爾定律：每年單位面積內的晶體管數量會增加一倍，性能也會提升一倍。這意味著，在相同價格的基礎上，能獲得的晶體管數量翻倍。不過，摩爾先生在十年后的1975年，把定律的周期修正為24個月。至此，摩爾定律已經影響半導體行業有半個世紀。 發表于：4/4/2023 是德科技和索爾思光電聯合演示單波200G PAM4 EML激光器性能 2023年3月6日至9日，是德科技（Keysight Technologies,Inc）參加了位于美國加州舉行的第48屆OFC，這是一個為光通信專業人士舉辦的年度大型國際會議和展覽。 發表于：4/1/2023 諸神之戰！一文盤點中國“大模型”玩家們 開年以來，全球AI大模型行業，鮮花著錦，比肩繼踵。微軟、Google、Meta、百度等科技巨頭你追我趕，掀開了大模型“軍備競賽”時代的序幕。新的挑戰者入局，大模型概念不斷走高，眾多AI企業紛紛宣告進軍，擁抱新一輪生產力革命。在國內，做類ChatGPT產品，建中國版OpenAI，這個無與倫比的“性感故事”，引燃了互聯網大廠和科技大佬的創業熱情，AI 2.0的“諸神之戰”已經打響。 發表于：3/31/2023 芯原助力藍洋智能部署基于Chiplet架構的芯片產品 ? 2023 年 3 月30日，中國上海——芯原股份（芯原，股票代碼：688521.SH）今日宣布AI Chiplet和SoC設計公司南京藍洋智能科技（簡稱“藍洋智能”）采用芯原多款處理器IP部署基于可擴展Chiplet架構的高性能人工智能（AI）芯片，面向數據中心、高性能計算、汽車等應用領域。藍洋智能采用的芯原處理器IP包括通用圖形處理器（GPGPU）IP CC8400、神經網絡處理器（NPU）IP VIP9400，以及視頻處理器（VPU）IP VC8000D。 發表于：3/30/2023 數據存儲創新：節電、節水、省空間 ESG 的普及率已到達關鍵臨界點，企業正面臨必須在環保倡議與業務目標以及數字化大方向之間求取平衡的挑戰。 發表于：3/30/2023 一種服務于K-means的初始中心選取方法 聚類是數據挖掘領域最重要的技術之一，K-means是其中使用頻率最高的舉足輕重的聚類算法。然而，K-means算法表現嚴重依賴于初始中心，選取多少個初始中心以及選擇哪些數據點作為初始中心對K-means算法十分重要。基于此，提出一種初始中心選取方法DPCC（Density Peak Clustering Centers）。DPCC方法基于密度和距離生成一個選取決策圖，將數據集中所有的密度峰值點凸顯出來。這些密度峰值點即為DPCC方法為K-means算法提供的初始中心。實驗表明，DPCC方法不僅可為K-means提供初始中心數量，還能有效提高K-means算法的準確度，并縮減K-means算法的執行時間。 發表于：3/29/2023 面向云計算環境的CFD數據可視化分析服務 針對目前CFD（Computational Fluid Dynamics）軟件數據可視化分析所需計算量大且操作不靈活的問題，面向CFD數據可視化分析需求，實現了一個CFD數據可視化分析服務原型軟件。在該原型軟件中，研究了自適應客戶端的服務自適應QoS（Quality of Service）優化技術，降低不同客戶端計算環境對服務質量的影響；研究設計了基于消息中間件的服務集成接口，提高了服務使用的靈活性。面向云計算環境的CFD數據可視化分析服務發揮了云端服務器的性能優勢，應用了“云+端”的開發新模式，具備靈活性和可擴展性。 發表于：3/29/2023 數值預報中試系統設計與關鍵技術實現 氣象數值預報模式是數值天氣預報業務的重要基礎，模式的研發改進需要在高性能計算環境中不斷地開展模擬試驗來檢驗評估預報效果。針對氣象科學家手工編排批處理腳本開展數值模擬試驗方式中存在的不便捷、耗時長、不可見、底層細節復雜、試驗分析比對困難等問題，采用C/S架構，基于Python和工作流技術，設計實現了可視化界面交互“建模-計算-監控-分析-管理-共享”全流程集成應用的數值預報中試系統。應用結果表明，系統提升了模式研發試驗效率和高性能計算機系統的易用性，在數值天氣預報模式研發中試中發揮重要支撐作用，擴展性良好。 發表于：3/29/2023 一種深度神經網絡的分布式訓練方法 深度神經網絡在高維數據的分類和預測中取得了巨大成功。訓練深度神經網絡是數據密集型的任務，需從多個數據源收集大規模的數據。這些數據中通常包含敏感信息時，使得深度神經網絡的訓練過程容易泄露數據隱私。針對訓練過程中的數據隱私和通信代價問題，提出了一種深度神經網絡的分布式訓練方法，允許基于多個數據源共同訓練深度神經網絡。首先，提出了分布式訓練架構，由1個計算中心和多個代理組成。其次，提出了基于多代理的分布式訓練算法，允許代理在數據不出本地和減少通信代價的情況下，通過切割深度神經網絡，實現分布式地共同訓練模型。然后，分析了算法的正確性。最后，實驗結果表明該方法是有效的。 發表于：3/28/2023 ?…50515253545556575859…?
