富士通放出消息,宣称大家不必再出于性能考量而购买特殊的全闪存系统——该公司的全闪存中端DX200阵列既价廉又物美,足以满足需求。
富士通表示“与基于特殊架构的昂贵全闪存阵列不同,这款富士通Eternus DX200 S3采用的是高性能标准系统架构,能够将系统购置成本削减高达八成。”
DX200 S3的全闪存版本配备3.6TB NAND,能够实现200500.95 SPC-1 IOPS,其满负载工作状态下的响应时间约为0.63毫秒——根据富士通的说法,这是SPC-1基准测试历史上最出色的满负载响应时间数字。
SPC-1基准测试的目的在于“模拟关键性业务应用程序所涉及的大量复杂事务处理流程。联机事务处理(简称OLTP)、数据库操作以及邮件系统等伪操作型工作负载会被重新创建以确保随机访问读取/写入性能。”
下面这份图表显示的是全闪存DX200 S3在SPC-1基准测试系统中的IOPS排名情况:
富士通Eternus DX200 S3全闪存版本在SPC-1基准测试中的IOPS成绩
我们从中能够得出怎样的结论?DX200 S3的速度比Eternus DX400系统更快,虽然后者曾经被定位成更高级别的Eternus阵列产品。DX400后来被于去年十一月份推出的DX500系统所取代,与之同期发布的还有DX200以及其它S3版本产品。通过以下图表,我们能够了解此后富士通Eternus产品家族的定位情况:
其次,中端DX200在基准测试中的成绩超过了IBM V7000以及NetApp FAS8040双节点集群,并与惠普3PAR T800以及六节点NetApp FAS6240集群保持在同一级别当中。不过惠普与NetApp的这两款方案都属于上代产品。看了这份成绩单,我们不禁对富士通接下来将要推出的大型DX500以及DX600的全闪存版本充满期待。
在这份SPC-1测试成绩单中,没有出现富士通所说的价格极为高昂的特殊架构全闪存阵列——我们认为这里指的是由Pure Storage、SolidFire、Nimbus Data或者Violin打造的对应阵列产品。我们暂时无法从SPC-1测试的角度将它们与DX200 S3进行比较,因为它们都没有公开其SPC-1成绩——这实在有些遗憾。另外,我们也无法将DX200与EMC的XtremIO或者思科的Invicta作出比对,理由也是一样。
再有,我们也不知道DX200的全磁盘版本到底性能如何,这不得不说是另一大遗憾。就目前来看,全闪存DX200表现突出、状态良好,如果大家希望购买一套速度拔群而且易于安装的全闪存系统,这就是富士通给出的答案。
顺带一提,我们了解到NetApp也计划推出一款全闪存FAS阵列,相信到实际发布时双方一定又会引发激烈的对抗。
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。