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
谷歌宣布为旗下互动世界构建工具Project Genie新增Google街景功能,用户可基于真实地点生成可探索的游戏世界。只需选定美国境内的地图位置,描述角色形象,并选择"沙漠"或"石器时代"等风格,系统即可生成与现实街景绑定的沉浸式虚拟场景。每次游玩时长限60秒,支持WASD操控,目前仅向AI Ultra订阅用户开放,后续将逐步扩展覆盖范围。
新加坡国立大学构建了首个视频隐喻理解基准ViMU,含588段视频与2352道题,测试16个主流AI模型均未超过50%,揭示AI在视频潜台词理解上的系统性短板。
随着AI编程工具的普及,越来越多的非开发者开始尝试自己构建应用。谷歌在I/O大会上宣布,AI Studio新增功能可让用户通过提示词快速生成原生Android应用,并直接导出到手机。此外,谷歌还推出了基于Gemini的自定义小组件功能,并提出"生成式UI"概念,让手机界面根据需求实时生成。与此同时,苹果据报道也在探索通过提示词创建快捷指令的功能,手机个性化体验或将迎来新突破。
浙江大学等机构联合提出PanoWorld,通过球面空间交叉注意力和57万张全景图训练数据,让AI能直接理解360度全景图的空间结构,在导航和视觉搜索任务中大幅超越现有方法。