18:57IT之家(博客/媒体)精选鹏城云脑Ⅲ系统搭载华为OceanStor A800存储,在IO500 Full List和Research List双榜登顶,总分603,334.58分,带宽8,291.11 GiB/s,元数据性能43,903,983.64 kIOP/s,综合性能较历史最高纪录提升2.8倍。测试使用664个计算节点、79,680个并行进程,通过13项测试。华为OceanStor A800基于对等全互联架构与数控分离设计,单框吞吐量达500GB/s,支持512个控制器扩展。AI模型鹏城云脑Ⅲ华为OceanStor A800IO500高性能计算分布式存储推荐理由:华为OceanStor A800让鹏城云脑Ⅲ在IO500上总分冲到60万,是旧纪录的2.8倍,存储性能天花板又抬高了。原文
15:16IT之家(博客/媒体)BOSGAME 推出 VTA-439 迷你主机,搭载 AMD 锐龙 AI 9 HX 470 处理器,32GB+1TB 配置售价 1049 美元(约 7121 元)。该机型支持双 DDR5-5600 内存、3 个 M.2 2280 SSD 盘位,配备 Wi-Fi 7 和蓝牙 5.4。接口丰富,包括双 2.5GbE 网口、OCuLink 和双 USB-C 40Gbps。适合需要高性能计算和扩展性的用户。AI产品迷你主机AMD 锐龙 AI 9 HX 470BOSGAME高性能计算Wi-Fi 7推荐理由:这款迷你主机解决了高性能小体积计算需求,适合 AI 开发者和多任务用户,接口齐全可直接部署工作站,值得关注。原文
14:45IT之家(博客/媒体)磐镭推出 YO2 迷你 AI 工作站,搭载 AMD 锐龙 AI Max+ 395 处理器,配备 128GB LPDDR5X-8000 内存和 2TB SSD,定价 21999 元。机身采用银色金属材质,正面有 RGB 灯带,支持 160W 峰值性能释放,可调节持续功耗。接口丰富,包括双 2.5GbE 网口、USB-C 40Gbps、DisplayPort 2.0 等,适合本地 AI 推理和内容创作。该产品定位高性能迷你主机,兼顾便携与算力需求。AI产品迷你主机AI工作站AMD锐龙本地推理高性能计算推荐理由:本地跑大模型或做 AI 渲染的团队,这台 128GB 内存的迷你工作站比同配置笔记本便宜不少,接口也够全,值得关注。原文
12:14IT之家(博客/媒体)精选三星在 2026 年台北国际电脑展上展示了全球首款 HBM5 内存,这是面向未来高性能计算和 AI 训练需求的第八代存储技术。HBM5 预计在 2029 年至 2031 年间推出市场,采用 2nm 基础裸片搭配 1c nm DRAM 的先进制造工艺。为应对超高功耗,HBM5 将采用浸没式冷却技术,直接将裸片和封装整体浸泡在冷却液中。性能方面,HBM5 将 I/O 通道提升至 4096-bit,以 16 层堆叠为标准,预期每个堆叠的带宽将提升至 4 TB/s。这一进展标志着存储技术向更高带宽和更低功耗迈出了重要一步。AI产品HBM5三星存储技术AI训练高性能计算推荐理由:HBM5 是 AI 训练和 HPC 场景的下一代关键存储技术,做 AI 基础设施或高性能计算的团队值得关注——三星提前展示原型,意味着未来几年的算力瓶颈有望被突破。原文
15:34IT之家(博客/媒体)精选AMD 宣布第六代霄龙处理器“Venice”在台积电进入量产爬坡阶段,这是业界首款采用台积电 2nm 工艺的高性能计算产品。该处理器面向云计算、AI 和 HPC 场景,后续型号“Verano”将优化每美元/每瓦性能,并支持 LPDDR 内存。AMD 计划将 2nm 工艺引入数据中心 CPU 产品线,并与台积电在 SoIC-X、CoWoS-L 封装技术深度合作。此举将推动高集成大规模计算平台落地,巩固 AMD 在服务器市场的增长势头。AI产品AMD霄龙台积电 2nm服务器芯片高性能计算推荐理由:AMD 率先将 2nm 工艺引入服务器 CPU,做数据中心和 AI 基础设施的团队值得关注——这直接关系到未来算力成本和功耗效率。原文
23:01IT之家(博客/媒体)英特尔宣布与迈凯伦F1车队达成多年战略合作,成为其官方计算合作伙伴,为车队提供AI和高性能计算支持。合作涵盖F1、印地赛车及模拟赛车项目,英特尔Xeon和Core Ultra芯片将用于空气动力学仿真、车辆动力学分析等关键任务。此举直接对标AMD与梅赛德斯-AMG车队长达6年的合作,标志着两大芯片巨头在顶级赛车领域的算力竞争升级。F1对实时数据处理和AI工具的需求日益增长,英特尔的加入将帮助迈凯伦在赛道内外保持技术优势。行业英特尔迈凯伦F1AMD高性能计算AI仿真推荐理由:芯片巨头在F1赛道的算力对决升级了——做高性能计算或AI仿真的团队可以看看,英特尔如何用Xeon和Core Ultra支撑F1的实时数据分析与仿真优化,值得关注。原文