【至顶网实验室】即使使用了接近最低端的四路处理器Intel Xeon Gold 5118,我们测试的HPE ProLiant DL560 Gen10四路服务器也提供了比上一代顶级双路平台优秀得多的计算能力,整数计算吞吐量SPECint_rate_base2006达2240,浮点计算吞吐量SPECfp_rate_base2006达1870。除此之外,HPE ProLiant DL560 Gen10还提供了Intelligent System Tuning(智能系统优化)的能力,从而降低系统配置的难度和提升性能,从而降低了使用成本。这一切都可以在DL560 Gen10紧凑的2U标准机架高度中达到。
HPE ProLiant DL560 Gen10四路服务器,来源:HPE
HPE ProLiant DL560 Gen10还具有出色的安全性,通过新iLO5芯片带来的Silicon Root of Trust(官方中文:可信硅根)硅芯片信任根能力,HPE将Gen10服务器打造为工业服务器中最安全性的服务器。
HPE Gen10 Silicon Root of Trust技术,这只是HPE Gen10服务器安全特性的基础能力,来源:HPE
HPE ProLiant DL560 Gen10上提供Silicon Root of Trust能力的iLO5芯片
HPE ProLiant DL560 Gen10还具有出色的扩展能力,最多可以扩展至24SFF,其中还可以选择至多12SFF NVMe SSD配置:
24SFF HPE ProLiant DL560 Gen10四路服务器,来源:HPE
12SFF HDD+12SFF NVMe SSD配置,其中中央区域为NVMe SSD,两侧为SFF HDD,来源:HPE
由于HPE ProLiant DL560 Gen10如此完美,因此我们不得不挑出一些缺点,那就是HPE ProLiant DL560 Gen10抛弃了Intel Lewisburg PCH芯片的集成网卡能力,也就是支持iWARP(Internet Wide Area RDMA Protocol)的Intel Ethernet Connection X722四端口万兆网卡,它具有一些独特的属性,即使是使用HPE最高端的10/25Gb以太网卡不具备。
新华三H3C R4700 G3高密机架服务器评测
http://solution.zhiding.cn/2017/1226/3102164.shtml
Intel Skylake-SP处理器平台的详细解析:
Intel Skylake-SP处理器评测(一)
http://solution.zhiding.cn/2017/0711/3095479.shtml
Intel Skylake-SP处理器评测(二)
http://solution.zhiding.cn/2017/0713/3095592.shtml
Skylake前三代处理器的评测:
Intel Broadwell-EP处理器评测
http://solution.zhiding.cn/2016/0511/3077178.shtml
Intel Haswell-EP处理器评测
http://solution.zhiding.cn/2014/0909/3032770.shtml
Intel Ivy Bridge-EP处理器评测
http://solution.zhiding.cn/2013/1125/2996552.shtml
好文章,需要你的鼓励
微软将在今年夏季晚些时候推出Windows恢复力计划,著名的Windows蓝屏死机将被新的黑屏替代。这一变化是微软对2024年7月CrowdStrike故障事件的回应,该事件导致约850万台Windows设备瘫痪。作为Windows恢复力计划的一部分,微软正在重新设计Windows代码,让安全软件在内核外运行,以提高系统稳定性和恢复能力,减少因第三方安全软件问题导致的系统崩溃。
香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG,让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题,还能标注具体的影像区域并提供完整的推理链条,解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法,仅用八分之一数据就达到了传统方法的性能水平,为可解释医学AI开辟了新方向。
随着GPU成为AI工作负载训练和运营的关键,越来越多的云服务提供商开始提供云GPU实例。这为希望避免部署GPU硬件费用和复杂性的组织带来好消息。云GPU实例可按超大规模与专业化提供商、通用与专用实例、共享与独占服务器进行分类。选择时需考虑工作负载类型、GPU类型、成本、延迟和控制级别等因素。
希腊雅典理工大学团队开发CultureMERT-95M多文化音乐AI模型,通过两阶段持续预训练和任务算术方法,让AI系统学会理解希腊、土耳其、印度等非西方音乐传统。该模型在非西方音乐分类任务上提升4.9%准确率,同时保持西方音乐理解能力,为构建更包容的全球音乐AI系统奠定基础。