高性能计算与超级计算机存储方案供应商Data Direct Networks(简称DDN)日前指出,其向企业级大数据领域进军的举措正带来可观的利润收益,当下其营收增幅已经达到100%。
该公司列举了以下统计数字作为论据:
DDN方面表示,其利润表现同样可圈可点。该公司自今年第一季度以来将员工数量提升了20%,并计划在今年年底之前继续“显著增加新员工数量”。
其实在今年年初时,DDN的表现并未显露出如此积极的态势。因此能取得现在的成绩确实可喜可贺,特别是考虑到当前大数据存储市场上呈现出的激烈竞争状况,其中包括多家对象存储新兴企业与传统主流阵列供应商。
DDN预计其SFA阵列的极限容量水平为每机架5PB,而其WOS(即Web Object Scalar)阵列则能够最多容纳上万亿个对象,并且能够在WOS Bridge体系内逐步实现云环境的承载能力。从任何角度来看,这样的规模水平都相当可观。
大数据存储阵列需要应对的任务及需求相对比较简单:扩展能力与数据增长速度保持一致,提供出色的数据写入与读取速度,而且保证不会出现任何数据丢失事故。虽然听起来不难,但在以上前提之下将存储规模由数十PB进一步扩展至EB(即艾字节)级别却绝非易事。
DDN可能会将自身为高性能计算及超级计算应用程序提供阵列的过往经历作为证明实力的论据,由此积累得到的技术成果能够切实指导大数据类解决方案。也就是说,他们完全有能力推出主流阵列设备并借此实现盈利。目前DDN刚刚奔离起跑线——他们能否借此压制住竞争对手?请大家拭目以待。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。