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
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。