DDN公司已经更新了其向外扩展/向上扩展文件存储GS12K阵列,新版本名为GS14K,并表示是业界目前速度最快且最为灵活的向外扩展文件存储阵列。
GS代表GRIDScaler,这是一套专门面向采用GPFS(即通用并行文件系统,IBM公司目前将其称为Spectrum Scale)之高性能计算负载的向上扩展/向外扩展存储系统。
其兄弟方案EXAScaler产品线则采用Lustre替代GPFS。因此ES7K(ES7000)实际上就是一套利用Lustre取代了GPFS的GS7K。
上一代GRIDScaler产品线当中包含配备有WOS(即Web Object Scaler)后端存储的GS7K(于2014年10月推出)以及基于SFA12K/12KX阵列技术的GS12。

GS14K示意图
14000(14K)则表示其采用SFA14K阵列技术,包含双主动:主动控制器,于2015年首次推出。其基本单元需要4U机架空间。
DDN公司指出,GS14K阵列旨在面向金融服务(包括回溯测试、风险管理以及异常检测)、生命科学(包括基因测序、临床研究、制药以及农作物改造)、网络与云、固网与电信运营商以及制造行业(航空与汽车设计)。
全闪存、混合闪存/磁盘以及全磁盘GS14K的特性包括:
• 跨NVMe闪存、SSD、磁盘、磁带以及云实在存储分层
• 跨层数据单一视图
• 嵌入式PCIe结构以实现低延迟数据访问
• 集成Hadoop与OpenStack环境
• 可独立实现容量与性能扩展
• 业界最高的单机架存储容量
DDN公司并未透露新产品所使用的SSD容量与速度水平。其表示该系统拥有一套开放架构,能够利用EDR InfiniBand、Omni-Connect以及NVMe SSD等新型技术实现速度提升。
其基本参数规格如下:

GS7K、12K与14K规格表
每秒56 Gbit InfiniBand包含四条Fourteen Data Rate(简称FDR)链接,每条链接提供每秒14.0625 Gbit传输速率。EDR则代表Enhanced Data Rate,每条链接提供每秒25.78125 Gbit传输速率。DDN公司并未告知GS14K中包含多少条链接。如果为四条链接,则每个EDR端口的传输速率应该在每秒103 Gbit左右。
其支持NFS与CIFS/SMB以及NAS Client。另外客户还可根据需要选择IME突发缓存机制以应对极端数据IO速率。
目前来看GS14K在性能与容量方面皆属于文件存储方案中的翘楚,且主要面向超级与高性能计算业务市场--在这一领域,阵列通常需要为成千上万个CPU计算核心提供并行数据访问支持。目前全球五百强超级计算设备当中,有三分之二采用DDN阵列。
这类阵列方案如今开始在拥有商用级高性能计算要求的企业中找到立足之地,而Pure Storage的FlashBlade也面向同样的市场方向。

DDN公司表示,其GS14K全机架设备能够在参数上等同于3.25机架的EMC VMAX系统。
我们也期待了解全闪存GS14K与Pure Storage最近公布的FlashBlade有何异同--后者内置有数据削减技术,同时采用专利FlashBlade模块以取代普通SSD。
GS14K起步配置为100 TB与每秒3 GB传输速率,扩展至4U规模则可实现每秒32 GB传输能力,全机架规模则可达到每秒350 GB传输带宽。在容量方面,全机架配置可提供7 PB存储空间,每设备容量则为14 PB。DDN公司表示,多套系统相结合将提供每秒1 TB以上传输能力以及数十PB存储容量。GS14K目前已经全面投放市场,但具体售价尚不明确。
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。