希捷科技日前宣布,通过为原始设备制造商(OEM)、“DIY”及其它企业提供云系统和解决方案,公司进一步巩固了自己作为值得信赖的存储解决方案领先企业的地位。希捷充分利用其数字信息管家的角色,并通过收购Xyratex和EVault,打造了一个智能信息基础设施系统,可帮助企业管理数字资料的大规模增长,并实现下一代工作负载。
希捷公司云系统和解决方案总裁Jamie Lerner表示:“行业研究公司IDC预计,到2020年,仅美国创建、复制和消费的数据总量便将达到44ZB,也就是说数据量每两年翻一番。企业纷纷寻求各种经济有效的方式,以便更好地利用数据和创建有用的信息。希捷提出了智能信息基础设施项目的开放式实施途径。我们在与云服务提供商的合作中积累了丰富的经验,在此基础上创建的系统和解决方案,能够以符合企业需求的规模、性能和成本来管理下一代工作负载。”
很大一部分数据增长涉及非结构化数据。行业分析公司IDC预计,“到2015年,在企业级硬盘存储系统领域,非结构化数据将从出货容量和客户收入两个方面超越结构化数据。”而行业分析公司Gartner认为,“大多数企业的非结构化数据每年以40%-60%的速度增长,这种爆炸式增长促使对象存储成为了一种经济的、可扩展的、自我修复的、多租户的平台,可存储海量的数据。”
希捷的云系统和解决方案部门不断增加下列四大领域的产品种类:
集成的高性能计算(HPC)解决方案
希捷HPC解决方案专门为高性能计算而设计,它通过一个整合的横向扩展型高性能计算平台,集成了超高密度的数据机箱、操作系统、硬件控制器,以及Lustre文件系统。屡获殊荣的希捷HPC解决方案,消除了传统高性能系统部署和维护的复杂性,可以更快地获得计算结果,易于使用和管理,能够实现世界级的性能,可以满足各种任务关键型需求。
可扩展的模块化组件和专门设计的解决方案
希捷提供的智能信息基础设施解决方案,可以满足“DIY”企业的需求,这些企业希望能够选择组件和创建定制的系统,以便完全集成对象存储解决方案;这些软件独立系统能够满足下一代工作负载的容量和性能需求,包括:
l 专门设计的解决方案,用于对象存储
l 参考架构,用于开源和软件定义存储
l 私有云设备,用于备份和数据恢复
l 模块化、可扩展的组件,用于DIY
为OEM定制的模块化系统
希捷为OEM客户提供了200多万机箱和17,000PB存储设备。希捷的开放式智能信息基础设施项目可以为那些希望给客户交付最高质量信息基础设施产品的厂商提供贴牌系统和组件。希捷提供的产品包括:
l 硬盘(HDD、SSD和混合硬盘)
l 数据机箱
l 嵌入式服务器模块
l 根据客户需求提供全面的解决方案合作
云备份/恢复、灾难恢复和快速存档服务
希捷、EVault及其合作伙伴可为那些需要备份、灾难恢复或主动存档,但又不想拥有或维护相关基础设施的企业提供安全的公共云解决方案。希捷的云服务系统拥有25,000多云备份和恢复客户,能够为各种类型和规模的企业提供广泛的备份、恢复和快速存档解决方案,包括:
l 云备份
l 云灾难恢复
l 快速存档
l 各种服务(部署、迁移、集成、性能优化、升级等)
在日前的新闻发布中,希捷还发布了新的云系统和解决方案产品,以及产品更新:
ClusterStor 9000解决方案,现已上市。它是一种完全集成的、基于Lustre的横向扩展型解决方案,专门为HPC和大数据客户设计,可帮助他们可靠地规划、部署和维护最高的应用性能。该解决方案可提供卓越的融合型横向扩展存储质量和性能效率,其性能比此前的ClusterStor平台高出50%。此外,客户还能够通过该解决方案获得其它众多优势,包括:GridRAID技术——可将重建速度提高400%,减少管理工作,并降低运营成本;以及独特的架构——可消除存储I/O瓶颈,获得高效的线性扩展,并且每块硬盘均可实现最高的可持续性能。
ClusterStor安全数据设备(SDA),属于ClusterStor系列并行文件系统解决方案,已通过安全认证,其设计符合美国政府的情报机构指令(ICD)503号政策规定,以及有关的(DCID 6/3 PL4)跨域解决方案要求。ClusterStor SDA支持各种安全功能,可在整个数据生命周期防范来自于内外部的各种威胁。
EVault企业备份与恢复设备,可提供高达100TB的可用容量。希捷众多的备份与恢复设备均为全新的设计,能够与云连接并向云复制数据。希捷设备内在的架构灵活性,使得它们非常适用于要求PB级数据存储和极高计算性能的各种异构环境。
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。