谷歌与Iron Mountain双方正努力将历史悠久的存储介质磁带引入云环境,从而实现LTO向云的全面迁移。
LTO是一类标准磁带格式,其支持者包括IBM、惠普以及昆腾等等。单一第七代LTO磁带能够存储15 TB数据,该标准还计划升级至第十代,预计存储容量可达120 TB。
不过谷歌公司目前运营有一项名为Cloud Storage Nearline的服务,其每月每GB存储资源起步价格为0.01美元,并承诺恢复时长仅为3秒。这样的速度表现相当惊人,甚至超过了高端磁带库方案。
不过Nearline目前面临着一项难题,即从磁带向云端迁移TB级别数据需要耗费极长时间。谷歌公司给出的解决方案名为"cloud seeding",即寻求合作伙伴并由其提供传输通道,并借此完成数据上传。作为合作伙伴之一,Iron Mountain刚刚宣布将其数据仓库与谷歌基础设施间的传输通道扩大10倍。谷歌方面指出,此次扩容意味着"通过这一链路进行50 TB数据迁移的耗时将低于一天。"
Iron Mountain公司还增添了消费LTO磁带的能力,并将其内容通过自家扩容后的通道传输至谷歌。这意味着磁带数据存储效果将更快且更加易用。
当初谷歌公司刚刚启动Nearline服务时,其预备的服务启动存储容量为100 PB。而这一次,通过Iron Mountain进行存储服务登录的客户则能够享受到500美元信用额度--遗憾的是这一机制仅适用于美国本土。
无论如何,谷歌公司已经针对磁带存储介质做出了明确规划。存储行业曾经无数次预言过磁带的消亡,但其实际消亡却是明年复明年、明年何其多。谷歌与Iron Mountain双方正积极推进由磁带向云存储环境的迁移,但在我们看来仍将有众多企业客户出于种种理由而继续使用内部磁带存储方案。
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。