
SF1920细节图。
NetApp公司旗下的SolidFire事业部已经公布了一款新型设备、一项操作系统更新外加软件许可变更(将软件许可与特定硬件产品拆分开来)。
NetApp与思科FlexPod将立足于现有系统提供SolidFire阵列选项,且未来几个月中还将有一套基于SolidFire的FlexPod配置方案推出。
Element OS版本9被称为Fluorine,即元素周期表上的第九种元素,其中添加了与SolidFire服务质量相结合的VVOL支持机制,意味着VVOL层级(即每虚拟机)间的租户影响将受到控制,可通过设置指定最小、最大与突发IOPS水平。
另外,这套系统还提供新的GUI,能够将存储系统数据合并至单一仪表板当中。
SolidFire方面表示,版本9将集群内FC节点数量提升至4倍,允许用户向外扩展至40个存储节点。Fluorine还提升了每FC节点的IOPS水平,从原本的30万提升至50万IOPS,意味着一套四FC节点集群可实现高达200万IOPS。
多租户机制也得到改善,客户能够通过独立路由表在VLAN上使用叠加IP地址并保留IP地址资源。
FlashForward许可机制
SolidFire方面还将软件许可从特定硬件产品中抽离出来,并将其作为SolidFire存储阵列企业资源池内的一部分加以应用。这套机制被称为FlashForward Capacity Licensing,主要面向那些倾向于使用纯软件许可的客户。
CEO Dave Wright指出,纯软件许可机制的市场反响相当不错,而客户仍然可以在硬件选择外加存储机架及附加卡的量化工作方面自行决断。
Element OS许可为永久性且基于最大配置容量,例如可在任意企业位置采用100 TB池化原始存储容量。另外,其提供批量采购优惠政策。软件与硬件可共同或分别订购。客户在购买新硬件时无需额外添置新的许可,除非其资源容量已经超出许可范围。
尽管SolidFire公司并不提供云系统,但Element OS能够运行在基于公有云的硬件之上,这也是为了配合SolidFire所采取的云硬件发展策略。举例来说,大家可以获取100 TB Element OS容量许可并立足于AWS加以运行。
NetApp公司也有可能会在ONTAP与SANtricity上的E系列OS中采用同样的方案。根据我们的猜测,SolidFire的FlashForward机制只是NetApp将其全面推向各产品线的测试或者试用版本。如果其获得成功,那么接下来NetApp将进行大规模采用。

四节点SolidFire SF19210
SF19210
作为此次公布的新设备,全闪存SF19210集群节点拥有十块1.92 TB SSD,意味着原始存储容量为19.2 TB,数据压缩后的实际可用容量则高达80 TB。这一水平高于现有高端SF9010的960 GB SSD与9.6 TB原始容量参数组合。顺带一提,SolidFire公司已经开始在部分产品中尝试使用3D NAND(三星)SSD。
系统内存则由SF9010的256 GB提升至384 GB。SF9010的IOPS为7万5千,而SF19210则为10万。后者的容量与性能分别相当于前者的两倍与三倍。
这台新设备可被直接接入现有SolidFire集群,而且SolidFire方面表示其每GB使用成本较现有设备低30%。
SolidFire的产品定位根据时间/容量可汇总为以下图表:

SolidFire设备定位图,截至2016年6月
而即将推出的SF19210则标志着SF9010即将走向生命周期的终点。

SF19210目前已经开放订购,起步价格为84588.82美元,企业客户可通过SolidFire及其全球渠道合作伙伴网络进行购买。
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。