何为冷存储?我们应该先弄清什么是冷数据,冷数据是相对于热数据和暖数据而言的,热数据指的是需要经常调用的数据,比如说我们常见的搜索引擎中的数据;而相对应的,冷数据长时间处于静默状态,不被经常使用,例如我们收藏的照片。那么,冷存储就是将这些冷数据以低能耗大容量的方式存储起来。
冷存储逐渐变热。据统计,Facebook网站每天有来自用户的3.5亿张图片需要存储起来,这些图片将添加到facebook已有的2400亿张图片中。这些图片按照协议是不可以删除的,大部分的照片人们不会每天都访问观看。如果把它们一直储存在磁盘中,每天都要消耗巨量的电力。如何使存储这些冷数据 而不消耗大量的资源?冷存储领域正受到越来越多业内企业的关注。
目前,最为迫切需要破解冷数据存储难题的当属数据中心和云存储服务商。数据中心不止强调数据的运算能力,它仍有庞大的冷数据需要存储,比如说一些比较火热的社交网站。云存储服务商同样会遇到类似的问题,他们可能会选择磁带存储,磁带存储虽然低能耗,但是数据访问速度将是极慢的,只能针对于那些保存那些不经 常被访问的数据、以及数小时恢复时间可接受的用户。
此外,冷存储也使用于一些特定的行业,如需要长时间保存高清照片和影像资料的大数据医疗和法律保存领域。
所以,冷存储具有广阔的发展前景。一些硬盘厂商已经借助优势技术开始抢占冷存储市场份额。比如HGST的氦技术,将不经常存取的冷数据利用磁带、光盘或最 新的氦气密封式硬盘存储。而在处理器方面,英特尔已经开始重视这部分的市场,最近,英特尔新推出的C2000正是面向冷存储领域的一款处理器产品,主打低功耗,高性能,满足用户对于冷数据存储的低成本需求。而ARM在64位芯片还未推出之时,相比较英特尔貌似已经掉队,而冷存储注重的存储成本和低功耗的特 质,让ARM收获了一部分厂商和用户的青睐。
人们每天的生活学习都会产生巨量的数据,冷数据的容量将会越来越大;而发展势头正劲的大数据技术,其价值挖掘很大一部分来自于冷数据,冷数据存储在这个信息时代正愈显重要。
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。