EMC公司宣布,业界领先的VNX系列混合存储解决方案增加了新产品和新功能,其中包括最新入门级VNXe3200存储阵列。VNXe3200基于2013年9月推出的VNX系列,效率是此前VNXe解决方案的3倍。最新推出的VNXe采用EMC MCx(多核优化)和EMC FAST(全自动存储分层)软件,可释放闪存威力,虚拟应用及文件性能均可达此前VNXe解决方案的3倍,占用空间则保持不变,依然很小。最新VNXe3200支持主要的统一协议,包括光纤通道协议。VNXe系列的设计初衷是,从设置、管理到支持,提供涵盖整个存储生命周期的易用性,VNXe3200也具备VNXe系列这种标志性的易用性。
最新推出的VNXe系列充分利用MCx和FAST套件的优势,在功率、效率和易用性方面,均超越了此前的VNXe解决方案。VNXe的技术亮点包括:
VNXe3200还可用在最新VSPEX Proven Infrastructures中,用一台VNXe3200就可支持多达125个虚拟机和500个虚拟桌面。这些最新VSPEX解决方案可存储多达2000个Exchange邮箱,容纳超过两万个SharePoint用户。
VNXe3200起价不到1.2万美元,将于2014年第二季度上市,主要通过EMC全球渠道合作伙伴供货。EMC业务合作伙伴计划(EMC Business Partner Program)支持VNXe3200。EMC通过该计划提供一整套合作伙伴可以立即使用的附属快捷解决方案(Express Solution),还提供VSPEX参考架构,以简化订购、销售和支持服务。
EMC“Project Liberty”亮相
EMC还宣布了“Project Liberty”,这是一款虚拟化存储软件,基于业界领先的VNX系列。Project Liberty充分利用VNX迄今为止提供的丰富数据服务和易管理性,通过各种灵活的部署模式(例如,无论是在虚拟服务器上,还是在混合云中部署)发挥这些优势,满足各种不同的、不断变化的工作负载和服务级别要求。
为了应对日益缩短的开发周期,IT部门必须创造条件,满足快速开发应用原型的需求,加快产品上市。Project Liberty的一种用途是,增强IT人员自主权,一经要求立即运行几个虚拟阵列示例,加速测试、新应用开发等。利用Project Liberty开发的新应用将能够无缝部署在实体VNX存储系统中,具备更高的服务级别,同时可以进行一致的管理,提供丰富的用户体验。
这些应用可以驻留在任何地方,无论是远程办公室、总部还是云中。凭借Project Liberty,客户将受益于混合云的敏捷性和效率。
重新定义中端系统的安全性
此外,EMC还宣布了VNX 静态数据加密功能——VNX D@RE。自VNX推出以来,客户在单台VNX上整合了越来越多的关键数据,这更加突显出保证信息安全的重要性。在医疗保健、金融服务以及政府机构等领域,这一点尤其明显,这些领域需要对敏感信息进行更严格的控制,以避免日益增多的未授权数据访问事故。VNX静态数据加密(D@RE)将以无中断软件升级形式提供,预计于2014年第三季度随最新VNX系列产品上市。VNX静态数据加密用来帮助客户保护写入磁盘的数据,防止从未经授权拆卸的硬盘中读取数据。VNX静态数据加密采用基于控制器的加密技术,可灵活支持任何类型、速度及容量的硬盘。
客户引言
Aces Power公司网络服务执行总监Brandon Robinson
“VNXe使我们能够以经济实惠的价格,充分利用业界领先技术。VNXe3200提高了系统效率和性能,帮助我们满足了内部服务级别协议要求。凭借VNXe,我们能够随着业务增长,简便地实现架构的横向扩展,提供各种新服务。”
EMC高管引言
EMC公司企业与中端系统部高级副总裁兼总经理Jeff Boudreau
“市场对我们最新VNX产品反响强烈,令我们无比振奋,对全球成千上万家公司而言,VNX已经成为应对混合工作负载的主力。今天,我们兑现了对合作伙伴和客户的一贯承诺,将FAST、MCx、D@RE等关键企业级功能扩展到入门级和中端平台之中,使客户能够更充分地利用IT资金,保护投资。Project Liberty尤其令我们振奋,在客户向混合云过渡之际,Project Liberty将为客户提供更高的敏捷性,同时客户仍然能够享有与过去同样的、一致的VNX用户体验。”
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。