随着企业用户对技术的需求和优先权的转变,更加灵活的基于服务的移动模式、软件定义以及云数据中心基础架构受到越来越多的关注。无论供应商是谁,所有现代化基础架构(这里指的现代化基础架构是以采用独立的软件套件或托管式服务为特点的,可以更简单、更高效并以更低的整体成本提供高级功能的基础架构)都必须解决好发展基础架构的同时而不造成服务中断的问题。企业通常没有足够的预算从"绿场"部署重新开始,他们必须想办法保存现有投资并实现投资回报的最大化。
为此,IT部门就必须以底层硬件抽象而来的通用方法,在基础架构层实现工具、数据服务和管理的水平标准化。飞康公司将这一概念称为"Intelligent Abstraction™"。作为基础实现条件,这种方法使得IT部门可以在实现现代化的同时保护好既有投资并整合新的技术,同时还不会新增存储孤岛或是增加复杂性,飞康公司的专家如是说。飞康公司是一家在数据保护、数据流动性和虚拟化领域拥有15年创新历史的存储厂商。
Intelligent Abstraction™即利用虚拟化、数据服务和基于策略的自动化技术,将应用、数据和工作负荷从物理硬件、网络和协议脱离。这种软件定义存储的方式把传统的存储、网络和数据服务层扁平化成一个单一的统一层。不过,不要将其与超融合架构的包括计算的抽取相混淆。借助Intelligent Abstraction™模式,用户可以采购根据业务、应用和预算要求而优化的定制式存储和计算解决方案。将"存储智能"从硬件中剥离开来,可以使基础架构减少对特定供应商的依赖,实现真正的敏捷式经济型基础架构。从根本上说,Intelligent Abstraction™模式可帮助企业在多个领域收获效益:
敏捷性--数据流动性,对新技术和平台的适应能力
更少风险--数据持续可用,减少人为错误
效率--更高的利用率,基础架构的成本优化
生产力--简化和自动化
飞康公司执行副总裁兼首席产品官Rob Zecha表示:"在过去十年中我们看到,服务抽象模式在计算层和网络层发挥了显著作用。到目前为止,这种模式对于存储来说还更多地停留在概念层面,或者说,如果确有实现,也显得支离破碎。现实情况是,这种模式尚未以真正通用的方式,在整个存储基础架构中完全统一起来,因而也无法体现其整体效益。我们不能再把数据中心视为大量复杂的硬件、网络和协议了。相反,我们要把它视为整合起来的资源或资产,我们可以根据解决问题的需要进行配置和安排,向业务部门提供统一的数据访问和各类服务。数据是当今公司拥有的增长最快的资产。公司需要一种方法来管理、流动和保护这些数据,既要优化业务流程,又有控制好成本。使存储管理和智能与硬件脱离关系,这对未来发展至关重要。"
在实现基础架构现代化的过程中,多数企业没有足够的预算抛弃一切从头开始。他们需要具备提升现有存储基础架构和存储硬件效用的能力。他们需要全面的数据服务组合,为整个基础架构和全部应用所共用,而非由各存储系统所独有。借助Intelligent Abstraction?模式,可以逐步整合通用数据服务,使企业能够有计划、可以预测地实现基础架构的发展演化。如此一来,便可以延长现有基础架构的利用周期,提高投资回报率。引进新技术时,可以减少服务中断,把数据迁移至新存储平台,拥有共享数据服务,同时还能尽量减少设备管理筒仓,降低运营复杂性,缩短部署时间。
将真正的软件定义存储服务与硬件脱离关系后,就可以根据数据生命周期的需要统一部署这些服务。这些数据服务应该在整个存储基础架构内是标准化的,从而消除存储孤岛和复杂性问题,在整个环境中提供统一融合的能力。在此基础上,就可以通过单一管理接口,在任何资源上(包括阵列、服务器、虚拟机管理程序和云)实现数据流动、持续性、保护、恢复、优化、报告和配置处理。企业需要具备根据应用、业务和预算来调配最优容量和数据服务的能力,同时不存在任何限制,无需停下来取得额外许可或者付款购买额外服务。企业需要找到一种方式,能够横跨整个基础架构,提供统一的能力,并且不受任何限制。
基于Intelligent Abstraction™模式的数据服务部署在网络交换层,省掉了固件和存储许可成本。这样,从新存储技术到企业阵列级存储和现有资产的所有一切,无论是位于公司内部,还是位于远程或是处于云端,都可以被纳入到现代化数据中心。
Intelligent Abstraction™的另一核心要素是自动化,它可以消除日常维护负担,减少错误,实现问题的快速解决。除了增加基于策略的应用以增强数据保护和恢复功能以外,还消除了所有备份处理,转而在智能抽象层采用持续保护机制。基于该层的数据服务可以动态调整,从而确保在所有存储层级和所有应用中均能实现超高的服务水平。数据或应用的迁移和流动也都实现了自动化,可以为任何用户、群组或地点提供服务。
Rob Zecha表示:"Intelligent Abstraction™是优化企业IT基础架构和运营的基础,可以对成本、时间和复杂性产生积极而重要的影响。"
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。