NetApp今日宣布首批 FlashRay系统已开始出货。FlashRay是搭载了全新NetApp Mars操作系统的专用型纯闪存系统。它采用全新设计,旨在提高企业应用程序环境中使用的纯闪存存储架构的性能、效率和易管理性。
这款新系统将纯闪存存储技术的优势与已获专利和正在申请专利的NetApp技术集于一身,可使性能、存储效率、数据保护和数据管理达到前所未有的水平。NetApp对闪存存储赋予的“两全其美”理念可以帮助客户以更低的成本实现最强大的企业应用程序性能。FlashRay 已于本月正式开始向目标客户及合作伙伴出货。
NetApp闪存解决方案副总裁Ty McConney 表示:“闪存存储正在推动数据中心的经济性和性能发生巨大变化。越来越多的客户开始向NetApp等行业领导者寻求合作,希望我们帮助其改进现有 IT 方法,并有效地将闪存集成到其基础架构。与NetApp Data ONTAP一样,FlashRay采用了全新设计,使客户在评估闪存备选方案时不必考虑利害得失。这款新平台不仅能最大限度地提高性能并简化数据管理,而且采用了低成本介质和业内最高效的存储方法。它将使存储行业发生翻天覆地的变化。”
NetApp的企业级闪存技术和解决方案可以满足任何闪存加速工作负载要求。全面的产品组合包括NetApp E系列和FAS混合闪存阵列,以及NetApp EF系列和纯闪存FAS阵列。作为这些平台的补充,NetApp提供了配有纯闪存FAS阵列的FlexPod Datacenter以及NetApp支持和专业服务,旨在帮助各类企业决定如何在其现有环境和未来环境(从数据中心到云的各种环境)中最有效地发挥闪存的全部优势。
三星电子集团内存市场营销副总裁Jeeho Baek表示:“三星集团和NetApp一直保持着密切的合作,旨在帮助企业级客户加快其闪存投资创造价值的速度。结合使用我们先进的闪存介质与NetApp FlashRay可提高关键任务型应用程序的性能,改善其所处企业数据中心的经济收益。”
Mars OS — 消除企业级闪存存储的瓶颈
为了应对闪存存储性能、数据效率、数据管理以及跨平台和跨环境移动性等方面的现有和潜在挑战,NetApp工程团队开发了Mars OS。这款操作系统凝聚了专为解决闪存存储特有难题而打造的全新技术,以及NetApp广泛产品组合的知识产权。
此版本具有许多创新技术,包括与“无中断”内置效率功能以及可变长度数据块布局相关的专利技术。这些创新功能可以最大限度地减少对闪存进行的I/O活动、增加有效容量,并且以稳定一致的亚毫秒级延迟提供高吞吐量,使客户有能力处理广泛的工作负载。FlashRay 还能够无缝地升级到未来的固态技术,从而进一步降低纯闪存存储的成本。
Presidio公司乔治亚州数据中心见习经理Doug Katz表示:“NetApp的整套产品组合都贯穿了创新的闪存理念。我们在测试环境中部署FlashRay后发现它在实现‘无中断’效率功能的同时还可以保证性能。FlashRay是对NetApp的企业数据效率功能强有力的补充。”
作为公司发展规划的一部分,NetApp计划将Mars OS紧密集成到NetApp Data ONTAP软件。NetApp将秉承勇当数据管理先驱的传统,努力实现平台间的无缝数据移动,通过全面的数据生命周期管理战略促使企业将数据移动到恰当的存储层。横向扩展技术使您能够按需无缝添加更多容量并提升性能。
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。