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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。