Starr的好主意:让文件访问速度更进一步。

以手工方式拔出磁带卡盘
生产混合型闪存磁带卡盘的主意是由SpectraLogic公司CTO Matt Starr在昨天的一次谈话当中提出的。
他指出,LTFS已经在市场上变得越来越受欢迎,但被保存在磁带上的LTFS信息则无法被直接读取--我们需要首先将对应的LTO卡盘插入驱动器才能访问其中的数据。
这无疑需要耗费相当的时间,而且在磁带库当中,会由机器人负责将驱动器从架子上拿下再接入驱动器。即使这样,大家不妨想象一下,如果在磁带卡盘当中加入闪存芯片又会怎样。这意味着LTFS信息可以被保存在闪存当中,从而显著提升读取速度;而且通过这种方式,首文件的读取速度亦能大大改善。
在这套方案当中,闪存将以缓存的形式存在,其作用与在混合型闪存/磁盘驱动器当中一样,而且可以被用于存储/缓存磁带内容元数据。
照这样的思路考虑,那么驱动器需要负责为卡盘供电,同时将读取线缆接入其中,这样闪存芯片就能接受读取操作了。大家甚至可以想象在其中使用迷你USB之类的接口,从而同时实现供电与读取这两项要求。
这可能会成为未来LTO格式规范中的组成部分,例如接下来将要推出的LTO8。我们甚至能够设想甲骨文与IBM等老牌厂商将其纳入自己的专有磁带格式发展路线图。

磁带系统工程师们必须得告诉我们这样的设计方案为什么具有实际价值,而其具体回报又是否值得上由此带来的实现成本。
说到这里,我们想到了另一个更加奇幻的设计思路,即让磁带机器人在从插槽中拿取闪存/磁带驱动器时同时为其接入迷你USB类连线。这样一来,整套系统就能够在卡盘从插槽转移到驱动器内的过程当中即刻开始读取磁带中的元数据。通过这种方式,也许整个延迟时长还能再缩短几毫秒。
好文章,需要你的鼓励
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。