作为全球领先的空运货站运营商,香港空运货站(Hactl)部署了新一代博科光纤通道存储网络交换解决方案,以期在未来五年加强数据中心的全天候运行。由博科合作伙伴日立数据系统实施的Brocade DCX 8510 Backbones让香港空运货站得以重新架构自己的存储网络,大幅降低运营成本,并且为支持更多数据密集型应用奠定了强大的高性能基础。
香港空运货站在香港国际机场的超级一号货站为100多家航空公司服务。超级一号货站是全球最大的多层空运货站,每年能够处理高达350万吨的空运货物。超级一号货站运营的核心是新一代航空货运管理系统COSAC-Plus。该系统让来自航空公司、货运代理商和相关政府机构的4000多个用户监测和管理香港空运货站处理的航空货运,通常每天处理近100万笔交易。香港机场是全球最繁忙的国际货运机场之一,香港空运货站全天候运营,以避免货物和飞机等待。
香港空运货站有限公司高级IT运营经理John Lee表示:“这些新的博科SAN交换机让我们把第一和第二层存储容量整合到虚拟化资源池中,用于生产、灾难恢复和开发域名。本质上,我们的存储环境更加简单、更加灵活。这不但让存储网络的运营成本整体降低70%,还大大提高了资源利用率。目前,我们的SAN速度基本上是4Gbps和8Gbps。作为第五代光纤通道设备,这些新的交换机支持16Gbps的吞吐量,让我们能够在SAN上运行包括商业智能和大数据分析在内的更多数据密集型系统。”
这个博科解决方案由日立数据系统(HDS)专业服务部门设计和实施,这是唯一一家提出的存储网络迁移方法比香港空运货站自己在标书中说明的方法还要好的供应商,给Lee留下了深刻印象。Lee表示,近2个月的实际迁移完美无缺,体现了日立数据系统一丝不苟的规划和准备。
博科香港、台湾和澳门区总监Franklin Sze表示:“香港空运货站很好地展现了SAN简化和虚拟化的优势。通过利用先进的博科SAN矩阵技术,香港空运货站的超级一号货站摆脱了运行复杂的两个独立的多层SAN,而是在整个货站中只拥有一个单层存储矩阵。这大大减轻了系统管理员的工作,让香港空运货站能够更高效地使用存储资源,从而提高了投资回报率。”
虽然香港空运货站的主数据中心距离二级数据中心大约550米,但他们的Brocade DCX 8500 Backbones都隶属于同一个SAN矩阵,这让两个数据中心内的存储资源可以整合到虚拟存储池中。这些骨干交换机还支持矩阵虚拟化,让香港空运货站的生产、开发和灾难恢复环境都有自己的存储矩阵。这些矩阵运行在相同的交换基础架构上,保持所需的数据水平和故障隔离,但不会增加成本和复杂性。这个新的基础架构总共支持超过100TB的数据中心存储和300台物理和虚拟服务器,有着充足的容量进行扩展。
Lee表示,香港空运货站新的SAN基础架构简化了故障排除,把管理需要的所有信息整合到一个采用博科Fabric Vision™技术的网络仪表板中,帮助实现最大化的可用性。Brocade DCX 8510 Backbones的另外一个重大优势是它支持在线固件升级,这意味着SAN现在可以无中断地运行并获得最新的功能,无需之前影响货站运营的维护时间。
通过新的博科SAN矩阵,香港空运货站计划升级其一级和二级存储阵列,以充分利用第五代光纤通道的性能。Lee表示,香港空运货站还希望利用Brocade DCX 8510 Backbones的集成的城域和全球扩展功能,从公司现有的磁带备份系统转到云备份。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。