这家存储软件初创企业颇具XtremIO风格。
面向一级存储市场的闪存存储软件
以色列高科技厂商再度出击。面向全闪存阵列的存储软件初创企业Elastifile公司已经在其第二轮融资活动当中筹得3500万美元。
这家年轻的企业于2014年建立,总部位于以色列荷兹利亚,主要开发专门运行于全闪存存储介质之上的企业级Web规模存储软件,且提供文件、对象以及块存储等访问协议。其技术成果不限定于任何硬件及虚拟机管理程序--就定位来看,其可算一种极具通用能力的存储仓库方案。
作为注资方Battery Ventures的一位合作伙伴,Itzik Parnafes在声明当中提到:"目前市场迫切需要这样一套立足于闪存解决方案且极具性价比的分布式文件存储机制。Elastifile公司独特且极具突破性的设计成果让客户获得了第一种拥有可扩展能力的全闪存系统实现途径,且支持文件、块以及对象存储应用等数据中心日常运营过程中所必需的访问方式。"
此次B轮融资由Battery Ventures与LightSpeed Venture Partners共同牵头,双方曾经于2014年的A轮融资中为其贡献了800万美元,此外参与其中的还有"六家数据中心与服务器业务领袖级厂商。"只是尚不清楚这些公司的真实身份。
Elastifile公司各联合创始人包括现任CEO Amir Aharoni; CTO Shahar Frank--XtremIO公司联合创始人; 研发副总裁Ronni Lunxemburg--红帽公司前软件工程技术主管。另外值得一提的是,Battery Ventures与LightSpeed Venture Partners双方皆是XtremIO的投资方。
Elastifile公司宣称其"能够为一切企业级应用交付闪存级别性能,同时降低虚拟化数据中心与私有云的整体支出成本与整体运营成本。"
其软件产品同时支持OpenSack/KVM环境、以VMware vSphere为核心的部署方案以及Linux容器。其能够涵盖计算与存储资源,跨越数千节点运行并在2毫秒以内延迟水平下提供数千万IOPS,Elastifile公司强调称。
其还能够利用现有及新型企业服务器同现成SSD产品,亦支持NVMe或者PCIe闪存卡。潜在的应用范畴包括虚拟化数据中心、OLTP、NoSQL数据库、大数据、实时分析、VDI、NAS、私有云以及文件即服务(简称FaaS)等等。
Elastifile公司产品及业务发展副总裁Allon Cohen在一篇博文中指出,"3D闪存即将给整个存储行业带来一轮革命,并凭借着自身出色的速度表现与成本效益彻底改变闪存作为存储组件进行部署的经济性水平。"
"不过除了令人印象深刻的性能表现外,3D闪存芯片本身其实还不足以彻底改变世界。目前我们缺少的是一项互补性技术,其将把3D闪存转化为某种能够实际承载并保护现代企业级数据中心内数据的介质。需要有一种类似于催化剂的因素让3D闪存具备面向一切企业及一切应用程序的适用性能力。那么这项技术究竟是什么?敬请关注……"
Elastifile公司宣称其将立足于闪存向客户交付自己的存储服务,且"价格点要低于大部分混合与磁盘驱动器型存储阵列,但同时与其保持同样的硬件选项。通过对现有及新型闪存与下一代存储设备者优化,Elastifile公司得以将全闪存性能水平与统一化存储访问相结合,并提供每GB约50美分(折合每TB约500美元)的价格点。"
听起来不错,我们也许会在2016年年末或者2017年年内迎来该软件的beta测试版本。该公司在加利福尼亚州圣何塞设有销售与营销办事处,大家可以亲临现场就希望了解的信息进行沟通。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。