总部在加州圣玛特奥的Cloudian,及美国总部在北卡罗来纳州莫里斯维尔的联想公司,本周一宣布推出了一款结合Cloudian的HyperStore软件与联想的Storage DX8200C系统设备,宣称这是一种把对象存储与无限可扩展性以及多租户带入到Amazon S3云中的简单方式。
Cloudian首席营销官Paul Turner表示,这款出货预装的解决方案,是一款面向大数据应用的、机架就绪的解决方案。针对一个向更多基于计算的存储发展市场来说,这是一款最佳解决方案,另外它具有原生对象存储的能力,兼容Amazon S3。
联想存储业务部门产品规划及营销总监Stuart McRae表示,联想仍然是一家规模相对较小的存储提供商,通过与Cloudian这样的公司合作开发设备,使其在进入存储市场方面具有一定的灵活性。
"数据量在迅猛增长,传统存储解决方案不能扩展以满足数据量的增长。我们与广泛的业界合作伙伴都建立了关系,并且正在寻求如何利用这些合作伙伴关系解决客户的需求。"McRae表示。客户可能还没有为完全拥抱公有云做好准备,但是他们已经准备好利用像云一样的灵活性,所以我们找到了合适的合作伙伴,Cloudian就是这样一家拥有对象存储和横向扩展能力的合作伙伴。软件定义存储是复杂的。我们与Cloudian合作,提供了统一的支持通道和完整的解决方案。"
这不是联想第一次把自己的x86服务器硬件与战略存储合作伙伴的软件结合到一起。今年年初,联想与Nutanix签订合作伙伴关系,开发超融合基础设施一体机。
联想将为联想-Cloudian对象存储解决方案的客户和合作伙伴提供Level 1和Level 2的支持,如果需要的话会升级到支持Cloudian。
这款解决方案包括完整的Cloudian功能,包括擦除编码、复制、加密和多租户支持。
McRae坦言,很多联想的合作伙伴还不具备应对对象存储市场所需的技能。"我们有一个专门的销售团队来帮助我们的合作伙伴,我们正在帮助他们与Cloudian销售代表合作,我们的模式是发现商机,然后引入我们的存储专员。"
有一家联想长期合作伙伴对联想与Cloudian合作的对象存储解决方案表示很期待。
Fusionstorm是一家总部在旧金山的解决方案提供商,该公司解决方案高级总监Alvin Chu表示,最近他们开始与Cloudian合作推广对象存储业务,同时他们也在提供采用Amazon的公有云服务。
"Fusionstorm刚刚开始提供Amazon Web Services的公有云,客户可以使用AWS作为Cloudian的备份目标。我们有很多私有云客户也在考虑使用公有云以及如何把私有云和公有云结合到一起。"
对于Fusionstorm来说,Cloudian在混合私有和公有云方面做了不错的工作,Chu说。"他们对于Amazon S3的支持可能是最好的,"他说。"联想与Cloudian合作的解决方案消除了复杂性。客户看到了时间价值--从理念到设计,到搭建架构到部署,这可能是很耗费时间的。这款解决方案缩短了这其中的时间。"
Fusionstorm已经看到了与联想服务器业务合作实现的显著增长,Chu说。"我们把联想视为一个增值的机会。对于客户来说,软件定义存储通常是一项部署起来很复杂的技术。所以很多客户不愿意完全软件定义。除非他们已经有了像我们这样的合作伙伴提供帮助,这就是我们的价值所在。"
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。