内部存储管理机制被添加至云选项当中。

Exablox OneBlox阵列近照
Exablox公司正着手将可变长度重复数据删除功能添加至其固定长度内联数据削减方案当中,并希望借此提升其基于对象之NAS阵列的执行效率。除此之外,另有一项内部管理功能亦被纳入进来。
可变长度技术利用滑动窗口来确定重复数据删除机制的最优边界位置。这两种可选重复数据删除模式彼此结合,共同实现内联压缩以最大程度提升数据总量削减效果。
OneBlox Ring备份共享副本能够使用可变长度与压缩处理,而位于同一存储设备当中的一级存储数据则可使用固定长度与压缩处理机制。
Exablox公司指出,其目前已经能够将数据压缩比率提升至20:1(在数据类型合适的前提下)。根据该公司的说法,客户则能够借此将OneBlox的存储容量提升高达95%,并将存储资源使用成本降低至每GB 0.03美元。
Exablox公司还宣称,这项功能"非常适合同其它主流供应商推出的备份/恢复软件协同使用,具体包括Veeam、AppAssure以及CommVault等厂商。"
Exablox方面同时对自家管理方案做出了调整,其中Private OneSystem内部管理系统已经能够在现有OneSystem SaaS云环境下起效。
Private OneSystem可以虚拟机形式运行在客户的数据中心当中,这意味着其与存储阵列之间仍然属于远程关系。
可变长度重复数据删除功能将以免费升级的形式向全部现有OneBlox 4312客户交付。Private OneSystem已经开始向Exablox渠道合作伙伴交付。
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。