索尼公司正着手收购前Facebook前任开放计算项目负责人Frank Frankovsky所建立的光学存储初创企业,旨在为自身的光学归档发展前景指明新的方向。
Frankovsky的思路是利用塞满了容量强化型光学存储盘的机架实现冷门数据归档。这套系统在数据吞吐能力方面将优于现有光学存储系统。他于2014年5月成立了这家名为Optical Archive的公司(简称OAI)。
目前索尼美国公司(简称SCA)已经代表索尼集团收购了OAI公司,作为蓝光光盘业务的持有方,后者计划与松下方面开展合作、从而将今年年内将蓝光光盘的容量水平提升至300 GB,并在未来陆续将这一数字增加至500 GB乃至1 TB。
这笔收购的具体涉及数字并未得到披露。
索尼公司将把自家的光盘与制造技术加入至OAI方面的数据中心硬件设计、供应链运营以及系统集成机制当中,从而将以光盘为基础的归档库产品推向市场。索尼与OAI双方认为,光盘产品将成为使用成本低于磁盘归档、且数据访问速度高于磁盘归档机制的新型归档解决方案。
不过这一目标始终只能算是光学归档技术的预期理想,且此前曾经遭遇到全息存储技术失利所带来的打击。索尼公司高级副总裁Terushi Shimizu就此表示:“这笔收购标志着我们正式作出承诺,将在这一不断增长的市场之上有所行动。光盘库将为那些正在使用磁带或者硬盘技术存储冷门数据的客户提供诸多优势,包括降低成本、显著提升介质使用寿命并带来更出色的数据吞吐能力。”
索尼公司将此视为未来销售大量光盘产品的绝佳机遇:“我们计划利用并扩大自身现有光盘生产线,从而满足市场对于此类存储介质的更多需求。”
Frankovsky在声明当中指出:“将索尼公司在光学工程技术与制造领域的优势同OAI在数据中心硬件设计与运营中的丰富经验及能力相结合,将为客户带来极具创新性的存储解决方案。”
光学介质始终未能得到市场认可
光学归档方案一直以来始终未能得到市场认可,这是因为其使用成本比磁盘更高,但数据吞吐能力——尽管延迟更低(指随机访问延迟)——却未能拥有足够的提速水平,每张光盘的存储容量与磁带相比亦没什么比较优势。后一点意味着与磁带相较,光学归档方案无法提供具有吸引力的数据中心占地面积削减效果。
蓝光光盘必须通过光驱进行读取,而存储库则需要将光盘保存在架子上,并由机器人根据需求选定对应的光盘而后放入驱动器。考虑到这一点,产品制造商必须得在最大程度提升光盘存储密度的同时,保证现场环境拥有足以容纳机器人定位并移动光盘的活动空间,此外还要考虑尽可能提高机器人活动速度。这也是传统磁带与光盘存储库所面临的最大难题。
蓝光发展路线图有助于解决容量方面的问题,并能够借此改善数据中心内的空间利用率。Frankovsky肯定是拥有了能够克服数据吞吐量、光盘存储密度以及机器人活动机制等难题的技术思路,而这正好是索尼方面最迫切需要的。
但如果实际情况并非如此,那么两家公司提出的所谓宏伟蓝图注定会再次成为存储领域中昙花一现的匆匆过客。
HDS公司从几年前开始一直着眼于光学归档技术。然而自从其HLDS投入运营之后,再也没有什么值得关注的消息传出。
HLDS光学归档技术
目前存储领域的潜在发展趋势是利用3D/TLC闪存驱动器实现归档,但前提是闪存制造商能够将此类介质的成本控制得足够低、同时将数据存储寿命拉得足够高。闪存方案的访问速度要远高于磁盘与磁带,而能源消耗水平则远低于这两类方案。不过这还仅仅是一项有待实现的技术,而蓝光光盘却已经相当成熟了。
随着索尼与OAI的联合,我们很可能迎来一类基于蓝光光盘的归档机架,其中文件元数据可能由磁盘或者闪存负责保存。这套方案拥有优于磁带机制的机架空间利用率,而数据吞吐能力亦更为出色——这意味着用于启动驱动器及完成数据首次访问的时间得到大幅缩短。
这一索尼-OAI设备必须具备与磁盘相近的速度表现,以及接近甚至超越磁带的成本优势及空间利用效率。新方案到底能不能满足这些严苛的要求?让我们拭目以待吧。
好文章,需要你的鼓励
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。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。