近日,超聚变服务器管理软件iBMC正式通过全球知名独立认证机构UL Solution实验室的安全评估,获得全球权威信息技术安全性评估标准CC EAL4+级别认证,超聚变成为全球首个在x86服务器领域获得CC EAL4+认证的企业。
信息技术安全性评估通用标准(CC标准)是目前国际上IT产品领域认可范围最广的安全认证,也是国际公认计算机维度顶级安全认证。该标准源于世界多个国家的信息安全的准则规范,在31个CCRA(Common Criteria Recognition Arrangement)成员国是官方认可的通用标准。该标准设置了EAL1~EAL7的不同评估等级,等级越高,评估要求的证据越多,评估越严格,意味着被评估的功能越安全。EAL4以上级别认证需要进行源代码审查和物理站点审查, EAL4+级别认证是当前服务器领域业界最高级别认证。
超聚变iBMC智能管理系统(Intelligent Baseboard Management Controller,以下简称iBMC)是服务器嵌入式管理系统,提供硬件状态监控、部署、节能、安全等系列管理工具,标准化接口构建服务器管理更加完善的生态系统。本次通过CC EAL4+认证,意味着iBMC的安全能力已经达到世界领先水平,可为企业提供安全可靠的服务器全生命周期管理服务。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。