EMC公司计划将其ScaleIO serverSAN产品加以扩展,从而作为VMware内核模块的功能组件以实现后者的运行速度提升,并将这套方案作为与由VMware及ESXi整合而成的VSAN等同的协作成果双璧。
就在最近一段时间EMC联邦CEO Joe Tucci公开承认其内部成员及其产品之间存在较为激烈的竞争关系之后,如今EMC与VMware双方的竞争合作乃至纯粹合作力度已经得到了明显增强。
此类产品交集中的典型代表要数ScaleIO——旨在将大量服务器直连存储(简称DAS)加以汇聚并形成一套存储区域网络(简称SAN)——以及VMware的VSAN,后者同样是将接入服务器的直连存储资源汇聚为SAN。
根据EMC方面的说法,VSAN的接入服务器数量上限为32台,而ScaleIO的接入数量上限则可高达上千台。
根据LeMag IT网站的报道,其在对ScaleIO联合创始人兼总经理Boaz Palgi进行采访时获悉,ScaleIO的软件将在下个版本中进行内核化处理、并由原本的单纯虚拟机系统转化为VMware内核当中的一项功能组件。
经过此次变动,ScaleIO将全面获得vStorage API for Array Integration支持,且在理论上将拥有更快的运行速度并占用更低DRAM容量。届时我们可能应该将VSAN视为ScaleIO的一套轻量化版本,或者将ScaleIO作为一款VSAN Plus产品。
EMC公司面临的另一项市场定位难题则在于其PB级别ScaleIO SAN在很大程度上与PB级别VMAX阵列、PB级别XtremIO阵列以及PB级别VSAN存在交集——如果ScaleIO与VSAN服务器双双迎来闪存存储机制,那么这个问题恐怕会变得更加严重。
我们预计EMC将根据特定用例对上述方案的特性进行细化调整,从而让四款产品能够尽可能从彼此竞争的局面当中解脱出来。
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。