西部数据推出了另外一款HGST归档阵列SA1000,并且对该产品线的软件进行了升级,包括纵向扩展、横向扩展、集群、端到端的安全特性。
Active Archive Systems系统提供了对象存储,采用收购获得的Amplidata软件,针对媒体和娱乐数字等市场的数据保留,生命科学数据池以及云备份等场景。
这款入门级的SA1000在单一机架内的容量可从672TB(425TB可用容量)扩展到4.7PB再到28.2PB(13.8PB可用容量),地理分布上是跨单一命名空间内的三个数据中心。
相比之下,全尺寸的SA7000其实容量为4704TB(2976TB可用容量),都可扩展到全地理区域分布的3个数据中心。
SA7000的吞吐量是每机架3.5TB,可实现15个9的可用性。SA1000也可以实现这个吞吐量,但主要还要取决于特定的配置。另外,SA1000也同样可以实现15个9的可用性。据了解,SA1000很快就会通过HGST渠道进行供货。
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。