龙蜥社区衍生版浪潮信息 KOS 升级!支持最新 5.10 内核,让大模型“开箱即用”

简介: 社区衍生版KeyarchOS产品升级,实现了大模型应用的“开箱即用”。

日前,龙蜥社区迎来重磅产品升级,社区衍生版——浪潮信息服务器操作系统云峦KeyarchOS(简称 KOS)更新支持龙蜥最新 5.10 内核,新增 CXL 分层内存优化、代码多副本、增强网络收包能力等功能特性,提升了系统性能和稳定性。面对 AIGC 时代大模型应用部署需求,KOS 将复杂的安装程序及运行环境进行打包,实现了大模型应用的“开箱即用”,为用户带来了全新的使用体验。


支持龙蜥最新 5.10 内核  提升系统性能和稳定性


浪潮信息操作系统 KOS 升级版支持龙蜥最新 5.10 内核,充分发挥 Linux 及龙蜥内核优秀特性。其中,KOS 新增的 CXL 分层内存优化功能,能够根据内存的访问频率动态地将热数据保存到 DRAM、冷数据保存到 CXL 内存中,最小化影响工作负载性能,在典型内存密集型应用 Redis 使用混合内存时,性能提升达到 12%。



面对各类应用及复杂的硬件环境,全新升级的 KOS 在稳定可靠方面进行了增强,支持内核热补丁功能,在不停机状态下进行内核漏洞和 bug 的修复,保证关键业务连续运行,提供集群高可用软件栈,有效支撑了应用高可用部署、故障无感切换,LTP(LinuxTest Project)测试通过率达到 98%,RAS 性能达到业内领先水平。


信通院此前发布的用户调研显示,用户意愿迁移至龙蜥操作系统的比例超过半数达 53%,排名第一。KOS 在社区版本基础上,在一云多芯、人工智能、虚拟化、云原生等方面都得到了增强,并实现规模化部署。



整合系统环境及组件  简化大模型应用部署

本次 KOS 升级版的另一大亮点是支持大模型应用的“开箱即用”。高效部署大模型并开发相关应用成为许多企业和开发者的迫切需求,但传统的部署方式存在依赖库安装复杂、环境配置繁琐等诸多不便,限制了大模型应用的快推广。KOS 升级版通过整合系统环境及相关组件,极大简化了大模型部署复杂度,让大模型应用部署变得简单高效。


以智能 AI 助手 YuanChat 安装为例,KOS 将 NV 底层组件、Miniconda 相关 Linux 命令及研发所需环境、源 2.0 大模型及运行的依赖软件、容器相关组件以及 YuanChat 官方软件分别打包为 rpm 包,融入基础 ISO 镜像中,固化默认最优配置,形成开箱即用的 YuanChat 的 ISO 镜像。相比原来复杂繁琐的安装流程,实现了极度简化,让大模型应用变得简单易部署。


内置安全防御组件  构建内生安全体系

浪潮信息操作系统 KOS 通过内置轻量化安全防御组件,提供安全检测和防御能力,提升操作系统安全性和合规性,防止黑客入侵及内部违规操作;同时使用可信增强模块,基于可信度量功能,构建从服务器上电到操作系统启动的信任链。



为了进一步提升操作系统的安全性,浪潮信息牵头成立了龙蜥社区系统安全特别兴趣小组(SIG),该 SIG 深入研究系统安全领域,不断完善操作系统安全基础,加强安全知识的共享和交流。

截至目前,KOS 累计装机量突破 25 万台,广泛服务于金融、教育、能源、通信等关键行业,为用户提供稳定可靠、安全易用、高性能的操作系统底座。


附:KeyarchOS 升级版下载地址:

https://abmkt.ieisystem.com/keyarchos-58-sp1-u2jing-xiang-he-ji-xia-zai

—— 完 ——

相关文章
|
人工智能 自然语言处理 大数据
“后土”启动!自然资源部信息中心与阿里云联合研发大模型
“后土”启动!自然资源部信息中心与阿里云联合研发大模型
1354 0
|
9天前
|
存储 数据采集 自然语言处理
使用大模型时,该如何避免虚假信息的生成和使用?
使用大模型时,该如何避免虚假信息的生成和使用?
24 1
|
29天前
|
人工智能 前端开发 JavaScript
拿下奇怪的前端报错(一):报错信息是一个看不懂的数字数组Buffer(475) [Uint8Array],让AI大模型帮忙解析
本文介绍了前端开发中遇到的奇怪报错问题,特别是当错误信息不明确时的处理方法。作者分享了自己通过还原代码、试错等方式解决问题的经验,并以一个Vue3+TypeScript项目的构建失败为例,详细解析了如何从错误信息中定位问题,最终通过解读错误信息中的ASCII码找到了具体的错误文件。文章强调了基础知识的重要性,并鼓励读者遇到类似问题时不要慌张,耐心分析。
|
2月前
|
机器学习/深度学习 人工智能 数据安全/隐私保护
大发现!谷歌证明反学习,无法让大模型删除不良信息
【9月更文挑战第19天】最近,Ilia Shumailov等人发表的论文《UnUnlearning:反学习在大语言模型中的内容监管不足》在人工智能领域引发了热议。该论文探讨了反学习在大型语言模型中的应用,指出反学习虽能有效控制训练阶段的数据撤回,但在推理阶段仍可能执行非法行为,引入了“反反学习”的概念。这一发现对内容监管产生重要影响,但也引发了关于反学习有效性的争议。详细内容与讨论可见论文原文:https://arxiv.org/abs/2407.00106
37 1
|
6月前
|
自然语言处理 安全 算法
23REPEAT方法:软工顶会ICSE ‘23 大模型在代码智能领域持续学习 代表性样本重放(选择信息丰富且多样化的示例) + 基于可塑权重巩固EWC的自适应参数正则化 【网安AIGC专题11.22】
23REPEAT方法:软工顶会ICSE ‘23 大模型在代码智能领域持续学习 代表性样本重放(选择信息丰富且多样化的示例) + 基于可塑权重巩固EWC的自适应参数正则化 【网安AIGC专题11.22】
150 0
23REPEAT方法:软工顶会ICSE ‘23 大模型在代码智能领域持续学习 代表性样本重放(选择信息丰富且多样化的示例) + 基于可塑权重巩固EWC的自适应参数正则化 【网安AIGC专题11.22】
|
人工智能 算法 安全
理想自研认知大模型、无图城市NOA信息曝光,纯电MEGA定价50万以上
理想自研认知大模型、无图城市NOA信息曝光,纯电MEGA定价50万以上
222 0
|
机器学习/深度学习 人工智能 自然语言处理
浪潮信息分享:新型算法基础设施大模型的知识蒸馏技术介绍 | 第 60 期
今天(周三)了解大模型发展现状和大模型基础知识,交流大模型在产业应用中起到的作用和 AI 服务新态势。
浪潮信息分享:新型算法基础设施大模型的知识蒸馏技术介绍 | 第 60 期
|
30天前
|
存储 人工智能 前端开发
前端大模型应用笔记(三):Vue3+Antdv+transformers+本地模型实现浏览器端侧增强搜索
本文介绍了一个纯前端实现的增强列表搜索应用,通过使用Transformer模型,实现了更智能的搜索功能,如使用“番茄”可以搜索到“西红柿”。项目基于Vue3和Ant Design Vue,使用了Xenova的bge-base-zh-v1.5模型。文章详细介绍了从环境搭建、数据准备到具体实现的全过程,并展示了实际效果和待改进点。
127 2
|
14天前
|
人工智能 JSON API
阿里云文档智能 & RAG解决方案:提升AI大模型业务理解与应用
阿里云推出的文档智能 & RAG解决方案,旨在通过先进的文档解析技术和检索增强生成(RAG)方法,显著提升人工智能大模型在业务场景中的应用效果。该方案通过文档智能(Document Mind)技术将非结构化文档内容转换为结构化数据,提取文档的层级树、样式和版面信息,并输出为Markdown和Json格式,为RAG提供语义分块策略。这一过程不仅解决了文档内容解析错误和切块丢失语义信息的问题,还优化了输出LLM友好的Markdown信息。方案的优势在于其多格式支持能力,能够处理包括Office文档、PDF、Html、图片在内的主流文件类型,返回文档的样式、版面信息和层级树结构。
71 2
|
24天前
|
机器学习/深度学习 人工智能 运维
企业内训|LLM大模型在服务器和IT网络运维中的应用-某日企IT运维部门
本课程是为某在华日资企业集团的IT运维部门专门定制开发的企业培训课程,本课程旨在深入探讨大型语言模型(LLM)在服务器及IT网络运维中的应用,结合当前技术趋势与行业需求,帮助学员掌握LLM如何为运维工作赋能。通过系统的理论讲解与实践操作,学员将了解LLM的基本知识、模型架构及其在实际运维场景中的应用,如日志分析、故障诊断、网络安全与性能优化等。
54 2