2021年1月28日,亚马逊云服务(AWS)正式宣布,由 AWS Graviton2 处理器提供支持的Amazon Elastic Compute Cloud (Amazon EC2) M6g、C6g 和 R6g 实例已在AWS 中国(北京)地区 (由光环新网运营) 和AWS 中国(宁夏)区域(由西云数据运营)推出,这也是AWS自研处理器首次落地中国区域。目前,Amazon EC2提供的实例类型已接近400种,被全球几百万客户广泛使用。
实例是AWS提出的一个云计算基本概念,它是指在一段时间内分配的一组计算资源。用通俗的叫法,实例也被称作云服务器、虚拟服务器、云主机、虚拟机等等。AWS提供近400种实例类型,其业务就相当于传统上一家提供400种服务器型号的中大型服务器厂商。
汲取全行业最新技术 提供近400种实例
Amazon EC2(亚马逊弹性计算服务)汲取了全行业在处理器、内存、存储和网络等方面最新技术,以处理器来说,包括了英特尔、AMD的数据中心中央处理器 (CPU) ,AWS自己基于Arm开发的处理器;包括英伟达、赛灵思和英特尔的加速芯片,AWS自己还开发了面向机器学习推理和训练的加速芯片。AWS最近还把苹果Mac Mini的算力搬上云端,让数以百万计的苹果应用开发者也可以方便地使用云上算力资源进行应用开发。这样的技术覆盖广度,在所有云服务商中首屈一指。
通过组合不同的处理器品牌及型号、内存容量大小、存储带宽和网络带宽的选项,AWS目前总共提供了近400种实例类型,为用户提供灵活多样的选择。从时间的维度,AWS还提供四种购买实例的选择,即按需实例、预留实例、Spot实例和Saving Plans。按需实例就是随用随时申请,按标准价收费;预留实例是提前预订,价格较低;Spot实例,是以很低的价格申请使用闲置的计算资源。Spot实例通常只有按需实例价格的10%,适用于算力需求灵活、可以在业务波谷时间运行的应用程序。
AWS Nitro系统的安全加持 对敏感数据进行硬保护
Nitro是AWS为高效、安全地交付云计算资源而打造的一套系统,它由专用硬件、轻量级的虚拟化管理程序和安全芯片三部分组成,可实现更快的创新和更高的安全性。目前,Amazon EC2实例都以AWS Nitro系统为基础平台。
之前的云计算虚拟化,采用虚拟化管理程序保护物理硬件、接近硬件层的BIOS(基本输入输出系统)、虚拟化CPU、存储、网络,并提供各种管理功能,需要消耗近30%的系统资源。Nitro系统将这些功能分流到专用的硬件和软件上,从而将接近100%的系统资源交付给客户申请的实例,为客户提供近乎裸机的计算性能。AWS Nitro系统是目前业界领先的云服务器虚拟化引擎。
使用AWS Nitro Enclaves,客户能够创建隔离的计算环境,保护敏感数据,例如Amazon EC2 实例中的个人身份信息、医疗保健、金融和知识产权数据。这些数据将被放在特别的安全区域。安全区域只提供与EC2实例的本地连接,没有持久性存储,没有管理员和操作员访问权限,只能被EC2实例本地访问,禁止包括亚马逊员工在内的所有管理员访问,从而消除人为错误和篡改的可能性,攻击面最小化,减少了漏洞风险。
从1/20内核到超级计算机的支持
2018年,美国笛卡尔实验室(Descartes Labs)的科学家利用亚马逊云服务(AWS)的计算资源,在没有要求AWS任何特殊关照的情况下,自助搭建了一台超级计算机。这台超级计算机在2019年6月公布的全球超级计算机排名中,名次冲高到第136位。到2020年11月,其仍然排名第260位。参见:https://www.top500.org/site/50808/
打造这台超级计算机的花费只有5000美元。如果用传统的定制硬件,成本可能高达2000万美元到3000万美元,而且需要等待一年半载的时间。笛卡尔实验室采用Amazon EC2弹性计算云服务的公开竞价资源,最大限度地节约了成本。参见:https://mp.weixin.qq.com/s/8-RxqLNJzb_5IMViGKt7HQ
透过笛卡尔实验室打造超级计算的故事,Amazon EC2的磅礴力量可见一斑。与此同时,Amazon EC2的算力也可以细如发丝,最小类型的EC2 nano实例,基准性能只有一个CPU内核的5%,费用超级划算。
AWS之前以能够比其它云服务商提供更丰富的实例类型,恰恰是基于三个关键因素:一是跟半导体厂商的全面合作;二是AWS Nitro系统;三是自研处理器。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。