
飞康向自己的FreeStor存储软件中添加了预测分析功能。
这个纯软件存储通过抽象底层异构存储产品提供存储服务。主要在数据路径中运行,类似于IBM的SAN Volume Controller(SVC),虚拟化阵列硬件后端。阵列可以是来自于EMC、IBM、HPE或者其他厂商的管理容量。可以看出,存储介质不管是内存、磁盘还是磁带,又或者是现有环境还是云中,都可以采用。
飞康表示,无论是不是在云环境中,它都让客户可以无缝的迁移、恢复、保护和删除重复数据,而不用将他们的业务与特定的硬件、网络或者协议捆绑在一起。
据统计,在2015年大约有170家客户购买了FreeStor,通过该产品管理超过12PB容量,其中包括Sunrise、Telefonica、Ricoh这样的MSP以及像Kaminario、X-IO这样的OEM厂商。

最新版本中增加的功能包括:
• 跨多台存储服务器的集中监控、分析、报告和配置
• 新的管理GUI,简化存储管理,改善可用性
• 针对性能、健康状况以及库存的历史趋势和实时趋势报告
• 针对实时洞察的分析
• 实时性能、健康状况、库存监控端到端;从连接主机,到虚拟LUN,到存储池再到物理磁盘
• 服务层的监控,通过主动和被动智能规则和警报
• 个性化的、可定制的仪表板,给存储管理员带来灵活性
• 原生的iPhone/安卓应用,可实现任何时候任何地点的监控
• OpenStack Cinder Driver
• SAP HANA认证
FreeStor提供的数据服务横跨底层存储资源,这样Intelligent Predictive Analytics(IPA)技术就不会局限于运行在单一阵列上。
IPA提供了跨异构存储系统的实时分析和历史分析,更好地管理容量、性能和可用性。不管是什么存储厂商、在什么位置,用户都可以根据来自单一面板的实时信息行动,决定如何利用他们的存储资源。且信息可以在全局层面的呈现,以用户可定义的视图、报告和规则进行查看。此外还有REST API,这样就可以在需要的时候提供分析数据。
下面这个API截图显示的存储容量趋势图表预测,客户将在未来6个月多耗尽存储容量:

飞康提供了一个FreeStor与来自DataCore、EMC、Formation Data Systems、Hedving、IBM、Nexenta以及Veeam的竞争产品进行功能对比的表格:

这些图表中,提供商绿色部分突出了所有设备。
飞康得到了来自Egenera服务副总裁Scott Harris不错的声明:"在我看来,FreeStor是第一个真正进入到服务提供商领域的产品,是为我们提供的唯一一款DR解决方案。"
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。