什么是AI代理？AI代理是一種軟件組件，具備代表用戶或系統(tǒng)自主執(zhí)行任務(wù)的能力。用戶可將多個代理整合為系統(tǒng)，以協(xié)調(diào)復(fù)雜的工作流程、協(xié)同管理各代理間的活動、運用邏輯推理解決復(fù)雜問題，并評估用戶查詢的響應(yīng)。如果你曾與客戶服務(wù)聊天機器人互動，或要求生成式AI模型創(chuàng)作一首十四行詩，那么你已經(jīng)接觸到AI代理的基礎(chǔ)形式。若你察覺自ChatGPT推動生成式AI成為主流以來，其性能顯著提升，你的觀察并無偏差。盡管AI代理的概念已存...

?MinIOMinIOAIStor與ModelContextProtocol（MCP）Server應(yīng)用的AI能力自然語言處理（NLP）：支持與主流大語言模型（LLMs）如AnthropicClaude或OpenAIGPT集成，用戶可通過自然語言進行意圖驅(qū)動的查詢（如：“FindunclassifiedimagesinbucketX”），無需編寫結(jié)構(gòu)化命令，從而實現(xiàn)對存儲系統(tǒng)的類對話式交互。自動元數(shù)據(jù)標注：借助MCPServer的askobject功能，通過AI模型自動提取和分類非結(jié)構(gòu)化數(shù)據(jù)（如圖像元數(shù)據(jù)），可能基于嵌入式...

?標題：UBMesh:aHierarchicallyLocalizednDFullMeshDatacenterNetworkArchitecture作者：HengLiao,BingyangLiu,XianpingChen,ZhigangGuo,ChuanningCheng,JianbingWang,XiangyuChen,PengDong,RuiMeng,WenjieLiu,ZheZhou,ZiyangZhang,YuhangGai,CunleQian,YiXiong,ZhongwuCheng,JingXia,YuliMa,XiChen,WenhuaDu,ShizhongXiao,ChungangLi,YongQin,LiudongXiong,ZhouYu,LvChen,LeiChen,BuyunWang,PeiWu,JunenGao,XiaochuLi,JianHe,...

?題目：FrontiersofAIandComputing:AConversationWithYannLeCunandBillDally談話人：BillDally,ChiefScientistandSVPofResearch,NVIDIAYannLeCun,ChiefAIScientistatMeta,ProfessoratNewYorkUniversity時間：March2025(GTC2025)核心觀點1.AI發(fā)展方向BillDallyAI在過去十年取得顯著進展，尤其得益于計算能力的提升，如GPU性能從Kepler到Blackwell增長5000至10000倍。AI未來需關(guān)注訓(xùn)練與推理的權(quán)衡，強大模型需更多訓(xùn)練資源，較...

?核心觀點1.HPCAI市場的快速增長與不確定性并存2024年HPCAI市場展現(xiàn)出強勁增長勢頭，超大規(guī)模AI基礎(chǔ)設(shè)施投資翻倍，ElCapitan等超算項目的突破標志技術(shù)進步。然而，AI熱潮可能對傳統(tǒng)HPC構(gòu)成擠壓風(fēng)險，同時存在泡沫破裂的擔(dān)憂。2.超大規(guī)模AI主導(dǎo)市場，傳統(tǒng)HPC面臨轉(zhuǎn)型壓力超大規(guī)模AI市場預(yù)計從2022年的約5萬單位增長至2028年的25萬單位，遠超本地部署HPCAI（2028年約5萬單位），顯示其主導(dǎo)地位。云化趨勢可能壓縮本地HPCAI市場，...

預(yù)計到2028年，AI的應(yīng)用將促使企業(yè)數(shù)據(jù)存儲需求呈現(xiàn)指數(shù)級增長態(tài)勢。根據(jù)我們于2024年11月開展的一項調(diào)查顯示，在主要依賴云存儲管理AI數(shù)據(jù)的基礎(chǔ)設(shè)施采購決策者中，61%的受訪者預(yù)計其存儲需求到2028年將至少實現(xiàn)翻番。驅(qū)動這一需求增長的關(guān)鍵因素包括：數(shù)據(jù)保留周期的顯著延長（從6個月延長至永久保存）；73%的受訪者表示，他們采用了每日或每周一次的大型語言模型（LLM）檢查點機制80%的受訪者認為數(shù)據(jù)多副本對于AI數(shù)據(jù)管理“...

人們——此處特指“華爾街”及個人投資者——時常懷有非理性的預(yù)期。這一現(xiàn)象正發(fā)生在仍被我們稱為Google的公司身上，畢竟Alphabet僅為一家控股公司，主要持有Google的股份。昨晚市場收盤后，Google攜手AMD公布了2024年第四季度的財務(wù)業(yè)績，但華爾街對這兩家公司合理增長及盈利狀況并不買賬。并非所有公司都能如NVIDIA在過去一年半中所享有的那般財務(wù)表現(xiàn)，即便身為NVIDIA的強大合作伙伴，Google亦是如此。（Google有自研的TPU...

?隨著各行業(yè)企業(yè)為2025年的AI投資和戰(zhàn)略布局做準備，我們總結(jié)了企業(yè)在未來一年的核心關(guān)注點：基礎(chǔ)設(shè)施將成為最緊迫的投資領(lǐng)域，企業(yè)將重點構(gòu)建AI代理（AIagents）和AI系統(tǒng)。企業(yè)將聚焦于數(shù)據(jù)優(yōu)勢（dataadvantage），以通過AI獲取競爭優(yōu)勢。AI培訓(xùn)將致力于推動員工行為變革，促進AI的廣泛采用，并構(gòu)建“人類參與”流程（humanintheloopprocesses）。AI將繼續(xù)成為2025年每位業(yè)務(wù)領(lǐng)導(dǎo)者戰(zhàn)略計劃的核心。根據(jù)最新調(diào)查顯示，70%的企...

?數(shù)據(jù)驅(qū)動的AI變革：AI的普及推動了存儲系統(tǒng)從單純追求性能向企業(yè)級綜合能力（包括數(shù)據(jù)管理、效率、韌性等）轉(zhuǎn)變，并凸顯了高質(zhì)量數(shù)據(jù)和有效數(shù)據(jù)治理對AI戰(zhàn)略成功至關(guān)重要的作用。高性能對象存儲崛起：對象存儲正通過技術(shù)創(chuàng)新，突破傳統(tǒng)應(yīng)用邊界，向高性能計算領(lǐng)域（尤其是AI和數(shù)據(jù)分析）拓展，并有望挑戰(zhàn)并行文件系統(tǒng)的主導(dǎo)地位。AI驅(qū)動混合云智能化升級：企業(yè)級AI工作負載的需求推動混合云從資源整合向更智能的集成和優(yōu)化演...

?關(guān)鍵洞察AI驅(qū)動存儲轉(zhuǎn)型：AI的需求推動了對象存儲成為企業(yè)存儲的主導(dǎo)技術(shù)，尤其是對于大規(guī)模數(shù)據(jù)處理和并行計算工作負載，尤其是在AI模型訓(xùn)練、推理及數(shù)據(jù)湖倉存儲中。對象存儲的普及：超過70%的云原生數(shù)據(jù)已存儲在對象存儲中，預(yù)計兩年內(nèi)這一比例將增至75%。對象存儲因其性能、擴展性、安全性等特點，成為支持AI工作負載的首選技術(shù)。AI工作負載對存儲的需求：AI（尤其是生成式AI）對存儲性能和規(guī)模提出更高要求，對象存儲能...

會議：NeurIPS2024時間：December14,2024發(fā)言人：IlyaSutskever主題：SequencetoSequenceLearningwithNeuralNetworks:WhataDecade?IlyaSutskever是論文《基于神經(jīng)網(wǎng)絡(luò)的序列到序列學(xué)習(xí)》（SequencetoSequenceLearningwithNeuralNetworks）的第一作者。該論文榮獲了NeurIPS2024的“TestofTime”論文獎。該獎項旨在表彰在2014年NeurIPS會議上發(fā)表、對研究領(lǐng)域產(chǎn)生了重大影響并經(jīng)得起時間考驗的論文。自發(fā)布以來，該論文已被引用...

TeslaDojoTesla自研的D1芯片采用7納米制程，包含354個核心，每個核心擁有1.25MBSRAM，支持多種數(shù)據(jù)格式。單芯片計算能力達362TFLOPS，專為自動駕駛AI并行計算優(yōu)化。DojoV1系統(tǒng)包含6個訓(xùn)練模塊，共5.31萬個核心，運算能力為1exaflops；完整ExaPod系統(tǒng)擴展至120個模塊，106.2萬個核心，目標運算能力為20exaflops。每個訓(xùn)練模塊提供9petaflops計算能力，配備高帶寬內(nèi)存，單模塊功耗15千瓦。采用水冷設(shè)計，內(nèi)存帶寬達400GBs（讀?。?..

生成式AI的挑戰(zhàn)數(shù)據(jù)準備和管理：生成式AI的訓(xùn)練需要整合分散在多個系統(tǒng)中的數(shù)據(jù)，數(shù)據(jù)格式復(fù)雜，常包含缺失值和噪聲，影響模型的訓(xùn)練效果。企業(yè)需高效收集、清洗、轉(zhuǎn)換這些數(shù)據(jù)，并且要滿足大規(guī)模數(shù)據(jù)處理和高速存儲需求。同時，必須確保數(shù)據(jù)的安全和隱私合規(guī)。模型訓(xùn)練和部署：訓(xùn)練生成式AI模型需要大量計算資源和長時間的訓(xùn)練，硬件成本高且訓(xùn)練周期長。選擇合適的模型架構(gòu)和超參數(shù)至關(guān)重要，并且需要有效的版本控制來管理多...

數(shù)據(jù)加載過程與性能優(yōu)化數(shù)據(jù)加載的復(fù)雜性數(shù)據(jù)加載并不僅限于從存儲讀取數(shù)據(jù)，它涵蓋了解碼、格式轉(zhuǎn)換及數(shù)據(jù)增強等預(yù)處理環(huán)節(jié)。這些步驟通常在CPU上執(zhí)行，目的是將原始數(shù)據(jù)轉(zhuǎn)換為GPU可處理的張量格式。數(shù)據(jù)加載的步驟數(shù)據(jù)加載流程可以概括為：?從存儲系統(tǒng)讀取數(shù)據(jù)到系統(tǒng)內(nèi)存。解碼原始數(shù)據(jù)。應(yīng)用數(shù)據(jù)變換和增強操作（如裁剪、尺寸調(diào)整）。將處理后的數(shù)據(jù)傳輸至GPU。?預(yù)取器的作用預(yù)取器顯著提升數(shù)據(jù)加載效率，它在模型訓(xùn)練需要...

FASTFLOW:FlexibleAdaptiveCongestionControlforHighPerformanceDatacentersFASTFLOW：針對高性能數(shù)據(jù)中心的靈活自適應(yīng)擁塞控制??https:arxiv.orgabs2404.01630??發(fā)表時間：2024年9月20日一、問題背景現(xiàn)代數(shù)據(jù)中心，特別是運行大規(guī)模AI訓(xùn)練和HPC應(yīng)用的數(shù)據(jù)中心，對網(wǎng)絡(luò)性能的要求越來越高。這些工作負載通常會產(chǎn)生突發(fā)性的、同步的流量，對傳統(tǒng)的擁塞控制算法提出了挑戰(zhàn)?，F(xiàn)有擁塞控制算法的不足：基于延遲的算法：如Swift...