近日,紫光股份旗下新华三集团(以下简称“新华三”)宣布推出基于 NVIDIA AI 数据平台参考设计的技术集成方案,打造更智能、更灵活、更安全的大模型数据处理能力,为AI推理场景注入新能力和强劲动能。
当前,在大模型实时交互场景中,用户对AI服务的响应速度要求极高;同时,如果AI推理没有基于新的或更新过的内容,就会造成生成内容与事实不符、逻辑错误等情况,严重影响其可靠性和实用性。新华三新推出的 AI 数据平台解决方案,打通“算力”和“存力”之间的效率鸿沟,实现从底层硬件到上层 AI应用的数据流通加速,大幅提升AI推理的实时性、相关性与准确度,不仅优化了大模型的整体运行效率,也显著改善了真实场景中使用大模型时的响应速度与使用体验。
H3C AI数据平台解决方案:软硬协同 推理加速
AI数据平台解决方案整合了新华三与NVIDIA的领先技术,打造存算网技术深度集成的智能数据平台,并通过上层软件平台协同优化,为AI基础设施注入强劲动能,显著提升AI大模型的推理能力。
存算网深度集成,打通推理性能瓶颈
AI数据平台解决方案集成了NVIDIA Spectrum-X AI以太网网络平台,包括Spectrum以太网交换机、NVIDIA BlueField-3 DPU 数据处理器及NVIDIA ConnectX SuperNIC,将普通以太网的带宽利用率从50-60%提升至97%以上,有效应对瞬时流量高峰,保障存储与计算节点间的高速互连。BlueField-3 DPU可与H3C Polaris X20000存储系统完美适配,支持NVMe over Fabrics、NVIDIA GPU-Direct Storage(GDS)等技术,实现存储卸载和加速,涵盖数据冗余、完整性校验、解压缩和重复数据删除等功能,进一步提升存储性能并降低功耗。
新华三Polaris X20000系列专为AI智算场景设计,采用全新自研存储引擎,面向AI/HPC场景下的海量数据处理需求提供极致性能,单节点实现120GB/s带宽和200万IOPS,集群性能近线性增长,满足AI大模型训练中海量小文件高并发和百TB级带宽需求;并将块、文件、对象与HDFS协议集成于统一存储平台,从数据采集、模型训练到分发全流程实现数据零迁移。同时,系统大幅提升可靠性,毫秒级故障上报与秒级切换确保训练任务不中断,计划内/外升级扩容对上层应用无感,为企业提供稳定、高效的存储支持。
软件平台协同优化 加速智算推理引擎
在 AI-Q NVIDIA Blueprint 的支持下,代理式系统可以连接到新华三Polaris X20000高性能数据存储平台上,AI-Q 使用NVIDIA NeMo Retriever 加速数据提取和检索,NVIDIA NeMo Retriever 是用于处理海量结构化、半结构化及非结构化数据(如文本、PDF、图像、视频等)的软件。如此,可显著加速RAG(检索增强生成)应用的响应速度。
同时 NVIDIA NeMo Guardrails 可确保推理问答交互的安全性、准确性和主题相关性。新华三自主研发的灵犀使能平台(LinSeer Hub)则作为上层管理平台,提供了AI智能体和推理引擎的功能。
通过上述组件的深度整合,AI 数据平台解决方案显著提升大模型的推理性能与Token处理速度,为企业提供实时数据洞察能力,助力业务场景的智能化升级。
数据驱动 加速推理 引领智算未来
随着AI大模型的快速发展,数据已成为AI生产力的核心要素,与此同时,企业核心生产数据80%存储于外置专业存储,新华三作为存储领域的领先厂商,以Polaris X20000系列的卓越性能和灵活性,提升了AI 数据平台的能力。NVIDIA则通过硬件加速和软件能力,释放Polaris存储硬件的潜力,帮助新华三实现从“数据仓库”到“智能数据平台”的转型,形成完整的AI数据闭环。并结合存储厂商成熟的数据管理能力,构建高效AI基础设施。
作为数字化及AI解决方案提供者,新华三拥有深厚的市场积累和广泛的行业覆盖,服务于金融、电信、政务、医疗、教育、制造等多个领域。新华三此次推出的AI 数据平台解决方案,是新华三“算力╳联接”技术战略的持续深化。未来,新华三将持续携手生态伙伴,推动AI数据平台的技术革新与产业落地,助力百行百业实现高效、智能、可信的AI转型。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。