我们之前曾经在Pure Storage公司的发展故事中提到其FlashArray 400系列阵列,不过根据Pure方面刚刚给出的反馈,我们弄错了这款产品的价格。这实在有些奇怪,因为我们当时在推论中使用的都是Pure自己给出的数据。
根据Pure Storage公司市场推广部门的说法,其FA-405与FA-450阵列的低端机型每GB要价分别为6美元和8美元,而不是我们上周曾经报道过的每GB 3美元和4美元。根据当时的核算,我们得出的结论是这样一套40TB容量的全闪存Pure阵列大概需要16万美元。
事实上每GB 3美元到4美元的价格区间来自Pure公司发布的新闻稿,据此我们计算出其入门级FA-405 40TB容量顶配方案的价格应该在12万美元到16万美元之间。
Pure方面表示,FA-405的起步令人远远低于10万美元。该公司营销主管Max Kixmoeller告诉我们:
因此,下面列举一些实例:
我们的新型高端系统为FA-450,顶配型号提供250TB可用存储空间,售价在80万到90万美元之间。取高值计算,90万美元除以250TB得出每GB 3.6美元。更多折扣还将进一步降低该设备的单位存储成本。
我们的低端系统为FA-405,配置10TB可用存储空间的型号价格在8万美元到10万美元之间。取8万美元高值计算,相当于每GB成本为8美元。
以上列出的“可用”容量数字当中包含全部正常消耗(RAID、HA、FlashCare Reserve),再加上通常情况下的数据减值。
购买大型系统的客户往往更关注每GB成本这一参考指标,因此我们采用每GB 3到4美元作为市场推广内容。小型客户普遍更在意总体采购成本,因此我们强调“系统的起步价格低于10万美元”。
由此可知,一套40TB FA-405在每GB 8美元的情况下售价将达到36万美元,而在每GB 6美元的情况下也要卖到25万美元一套——这实在不算便宜。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。