尽管是1U机架服务器,H3C UniServer R4700 G3仍然提供了最多12SFF(Small Form Factor)的2.5"存储扩展能力,其中包含了10个前面板配置和2个后置扩展配置。我们收到的型号是8SFF加一个光驱位的配置,不过光驱没有被实际安装,一般来说,远程管理界面的Virtual Media功能几乎可以完全替代前置面板的光驱功能:
H3C UniServer R4700 G3通过板载位置搭载的阵列卡,可以支持标准的SATA和SAS硬盘或者SSD,H3C UniServer R4700 G3还可以支持最多4个NVMe SFF SSD,同时也能支持M.2 SSD。

不占用额外扩展槽位的专用阵列卡位置,我们收到的型号搭载的是H3C UN-RAID-P430-M1阵列卡,通过两个HD-SAS提供8个SAS 12Gb/s接口

透过HDM远程管理界面可以看到阵列卡的型号,以及配置的三块硬盘,它们组成了一个标准的RAID 5阵列
配置的三块Seagate Enterprise Performance 15K HDD v5,型号ST300MP0005,接口SAS 12Gb/s,容量300GB,转速达15,000RPM,是HDD硬盘当中的佼佼者
H3C UN-RAID-P430-M1实际上是现属Microsemi的PMC的阵列卡,除了支持最新的SAS 12Gb/s接口之外,它还支持很多比较新的特性。
如今的服务器厂商已经越来越注重绿色节能,H3C UniServer R4700 G3只提供了两种高效电源选择:94%效率的白金版(80Plus Platium)和96%效率的钛金版(80Plus Titanium),80Plus标志的最初含义就是电源效率典型值不低于80%,但现在H3C将其提升到了94%。我们收到的型号搭配的是两个FSP全汉的550W电源。比较特别的是,H3C UniServer R4700 G3支持336V的HVDC高压直流电源。

HDM界面里面可以看到电源的型号,实际上它还能看到实时功率(在另一个界面)
由于H3C可以1U的厚度里塞入顶级的CPU、内存和不那么顶级的GPU,因此这个散热设计非常重要,H3C UniServer R4700 G3的散热设计尤为值得一提:

H3C UniServer R4700 G3的导风罩(中央透明塑料质感部分)非常轻巧,但效果显著,其右方就是超强性能的冗余风扇,上四下三中间的空地为板载阵列卡的BBU备份电池单元的固定装置
一般情况下,服务器过热当机是难以接受的,H3C UniServer R4700 G3的7个冗余风扇每个单元还提供了前后冗余:
H3C UniServer R4700 G3提供的高效系统散热设计首先依赖于大量的传感器:

H3C将其称为"温度海洋",来源于HPE的“Sea of Sensors”,足够多的传感器可以充分地监测到每一个角落
H3C的温度海洋技术可以用3D方式显示服务器内部温度——其高度就代表温度的高低,在这里我可以提前告诉大家,在这好一段的评测使用当中, 我们看到温度最高的不是CPU,不是内存,不是阵列卡,是BMC远程控制芯片(没人管真可怜)。

一共20个档位,一般的使用中笔者将其设为最静音的1档,这里设为20档演示一下

……效果显著,23100RPM的转速让人觉得住在了飞机场旁边
当然最高档位一般来说没什么必要,H3C通过温度检测,根据负载实行智能PID调速实时调整散热策略,一般来说,设为2档已经可以提供足够的散热能力:
H3C UniServer R4700 G3当中每个散热风扇对应每个温度感应器都有独立的权重,并且精细到每10%为一档,在低负荷时,散热系统的噪声和功耗都非常低。整个系统可以达到很高的散热效率。
好文章,需要你的鼓励
亚马逊旗下运营近20年的众包平台Mechanical Turk已停止接受新用户注册,并将于2026年7月30日正式关闭。该平台于2005年上线,早于AWS公有云业务,曾是全球知名的众包任务市场,涵盖验证码识别、情感标注等人工任务,后转型为AI训练数据标注工具。随着亚马逊推出SageMaker Ground Truth等替代方案,Mechanical Turk的历史使命已宣告终结。
LUMOS是一个让AI通过操作系统无障碍接口直接读取界面语义信息来操控电脑的中间层,避免依赖截图识别,降低AI电脑操作的资源消耗和出错率。
微软研究院发布Memora记忆系统,旨在解决AI智能体在长期部署中记忆碎片化、检索效率低的问题。Memora通过将存储内容与检索方式解耦,引入"主抽象"与"线索锚点"双组件架构,在LoCoMo和LongMemEval两项基准测试中表现优异,上下文token用量最高可降低98%。但专家提醒,实际企业成本还需考虑索引、存储及合规审计,且该项目目前仍处于研究阶段,尚未达到生产就绪水平。
腾讯混元联合多所高校提出PolyFlow,用流匹配模型并行生成艺术家风格3D网格,速度比自回归方法快百倍,几何精度达到新高。