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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。