存储业界已经明确认识到物理阵列市场的持续衰退。廉价的云存储与虚拟阵列方案正在成本优势的驱动下迅速崛起,而且在实用性方面往往并不会带来任何影响;有鉴于此,我们确实很难证明为大多数应用程序配备专用阵列到底有何必要。
Forrester自然也清楚这一点,分析师Henry Baltazar更作出声明称,我们应该“利用应用程序作为下一套存储阵列”。
Baltazar估计称目前的阵列产品主要供应给x86服务器系统,但其销售形式多年以来始终没有变化——一直作为非弹性资源存在。此外,阵列的吸引力还主要体现在价格优势层面,但随着近一段时间云服务与各类资源池机制在x86服务器上的不断涌现、前者的这种优势光环正在迅速褪去。
现在是时候正视阵列产品在成本与灵活性方面的局限了,Baltazar表示,如今我们应该转换思路、将虚拟阵列作为未来存储方案选择中的关注重点。
他还在博文中将惠普、Sanbolic以及Maxta作为值得我们认真考量的虚拟阵列供应商,同时指出EMC、IBM以及NetApp同样开始进军虚拟阵列业务。VMware与DataCore虽然也提供虚拟阵列产品,但在他眼中尚不值得一提。
“现在正是将存储技术更多地作为应用程序加以对待的良好时机,而且以闪存SSD为代表的商用硬件组件在价格上也往往要比企业级存储供应商提供的存储介质更为低廉,”他在文章中写道。
之所以会在这里提到闪存,是因为众多阵列供应商开始越来越多地利用闪存机制对产品的I/O能力加以优化,而这一趋势正在将更多固态存储设备引入数据中心环境。Baltazar同时指出,如果连工程技术因素都不再产生影响,那么向虚拟存储机制的转换可谓恰逢其时。
当然,长期关注存储技术动态的朋友们很清楚,Baltazar的这篇博文其实并没有什么实质性的新内容。不过他所表达的观点确实足够客观,而且如此直言不讳的表达也值得大家认真关注。
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。