昆腾公司今天宣布比利时SONUMA已经选择昆腾的StorNext 5内容工作流程解决方案,用于大规模数字化和数字恢复项目。SONUMA成立于2009年,是RTBF(Radio Télévision Belge Francophone)和比利时Walloon区域的FédérationWallonie-Bruxelles子公司。作为RTBF的广播电视存档的存放处,SONUMA的任务是保存和数字化这些存档并从中获取利润。这些存档目前涉及广泛的格式,包括16毫米电影、Beta SP和数字盒式磁带机、CD以及DAT。
SONUMA将对8,000小时的16毫米影片进行数字化,产生超过8PB的内容。SONUMA需要高性能的横向扩展存储解决方案,能够在当前环境中轻松地部署。通过昆腾经销商VP Media Solutions,SONUMA购买了一台StorNext M441元数据设备和StorNext QX-1200磁盘存储以满足这个需求。数字化处理所产生的DPX 2K文件将直接进入StorNext®,在这里进行数字恢复和转码操作并保存内容。
SONUMA的IT经理Eric Denis表示:“我们的存档是真正的金矿,涵盖之前80多年的广播和近60年的电视节目。为了实现数字化、2K格式的摄入以及8000小时存档的实时转码,我们选择了昆腾的StorNext 5解决方案,因为它具备高性能并且可以无缝整合我们的内容工作流。”
全新开发的StorNext 5提供业内最先进的端到端工作流管理——包括面向文件共享和协作的同类最佳的性能与可扩展性——同时让客户能够利用过去10多年发展起来的最广泛的StorNext生态系统。
昆腾媒体与娱乐副总裁Alex Grossman表示:“随着技术的变革,保留珍贵的内容极为重要,但通常非常具有挑战性。StorNext在帮助客户应对这个挑战方面一直扮演核心角色,我们期待在这个重要项目上与SONUMA的合作。”
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。