很长时间里,存储致力于打造一个高可靠、高性能的一个系统,然而架构复杂、成本昂贵、维护困难等问题愈发严重。另一方面传统存储所关心的问题主要集中在存储、冗余保护及资源共享三个方面。
那么当存储向应用靠了一步之后呢?存储厂商需要站在一个新的角度思考数据管理的问题。如果说传统存储的关键词在于性能和可靠性,那么未来存储将更注重对感知一词的实现。存储应该更为智能,更了解应用需求和数据生命周期。很明显,感知更符合大数据对于存储的需求,大数据最根本的要点在于挖掘数据价值,那么从存储的角度讲,就是需要将系统做的更为智能,不仅是需要根据冷热程度将数据存至不同的介质上,更需要按照数据从创建到销毁的整个过程进行管理,并且依据系统中应用需求动态的调整存储策略。
提出了感知引擎和智能引擎概念的同有,将两者落地到了自己的NCS12000上。感知主要是对系统负载、系统运行转台及数据冷热等信息的采集和整理,这些信息被整合成为智能引擎建模的基础,通过同有的核心算法和多年在存储系统优化上积累的经验,智能引擎能够建立一个新的资源配置方案,并且交付使用。NCS12000正是从应用的层次来考虑存储解决方案的一个典型案例,它不再局限于传统存储块或者文件存储的层面,而是向应用靠近了一步,思考怎样调整自身配置满足应用需求。
并非说存储不需要考虑数据保护和存储分层等功能,而是这些传统的功能都已经成为存储解决方案必须做到的基础。在此之上,未来存储还应充分挖掘软件的功能,使得存储更了解应用需求,这是未来存储也是数据中心的一个发展方向。同有日前发布了NCS12000等新一代存储产品,目前正在全国重点城市进行新品巡展。这代主打感知、智能、高效三个关键词的新品也将助力同有为中国存储市场开启一个新时代。
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。