6月30日,作为铂金赞助商,浪潮携HF全固态存储亮相2016第三届中国闪存峰会,分享了对闪存市场的理解和策略。浪潮HF全固态存储表现出的百万级IOPS、1.8PB容量扩展、6个9的可靠性等优势,正在被市场接受。
HF全固态存储是浪潮存储的一股核心创新力量。财年初,浪潮公布存储高端联邦战略,固态存储和关键数据、SDS一起,成为高端联邦的核心成员。随即,在2016浪潮服务器及存储合作伙伴大会上(IPF2016)上正式发布HF固态存储系列,分全固态存储和混合存储两类。全固态存储型号为HF5000-F,混合存储型号为HF5000-H,分别定位在高性能和高性价比企业级关键数据加速平台,适用于虚拟桌面(VDI)、数据库、云计算等I/O密集型业务。
百余亿美金的SSD市场
今年闪存峰会的主题是"关键之年,让闪存绽放",其中关键之年有两个维度的理解:一是固态存储技术的成熟。二是市场需求的爆发式增长。
先看技术。Garnter在今年3月作出表态:固态存储已经达到成熟度、可靠性和成本效益水平,除了原始容量外各项指标均超过了混合存储,凭借I/O领先优势,将表现出对敏捷的业务和更好的服务。
再看市场。IDC数据显示,2015年全固态存储的中国市场增长率85.6%,达到市场平均增速的6倍,出现爆发式增长。全球的情形更为可观,到2017年全球企业级SSD将达到一个新的百余亿美金市场规模。在全球低迷的经济环境下,闪存机遇让每个IT企业摩拳擦掌。
2016闪存峰会会场
2016年浪潮明确了固态存储在高端联邦战略的地位,推出了HF全固态存储。沿袭"计算+"战略,浪潮HF全固态存储融合了硬件重构和软件定义设计理念。架构上既可以单独支持3D NAND,也可以支持2D NAND和HDD部署;软件上采用虚拟化技术,具有良好的解决方案兼容性。
浪潮HF全固态存储 融合黑科技
"浪潮固态存储在算法和介质上具有较大优势,采用了MASP架构、加速算法和3D NAND等创新技术,并走在了业界的前列。"浪潮存储产品部总经理孙钢表示。
浪潮存储产品部总经理 孙钢
先看比较重要的架构,你看可好?浪潮HF全固态存储采用MASP多级加速顺序化聚合架构,同一架构支持全固态存储和混合存储,可将一体化容灾成本降低1/3。另外,MASP在混合存储的DRAM和HDD之间引入SSD缓存层,改变传统无差别热点数据加速方式,引入热度表精确标记数据访问频次,使得数据在高性能DRAM和SSD和低容价比的HDD中智能流动,将缓存命中率提升到95%,读性能提升50倍。
再看算法,HF全固态存储通过在控制器中置入压缩、去重、消0等高级功能,压缩实际写入3D NAND的数据量,可用容量提升5倍+,整体性能提升2-3倍。
最后说说介质,浪潮HF固态存储采用3D NAND新兴介质,通过颗粒垂直,解决2D NAND的容量限制。基于该技术,可打造比2D NAND容量高数倍到数十倍的固态盘,在更小的空间容纳更大的容量,更带来成本降低、能耗降低、性能提升三重利好。孙钢表示。"在3D NAND领域,目前只有浪潮等极少数厂商有足够的技术实力,能够在固态存储中应用这种介质。"据Garnter数据显示,3D NAND介质到2016年预计会达到19.1%的比特份额,2017年几乎翻一番,达到35.7%。
浪潮HF固态存储系列
浪潮HF全固态存储 用技术聚合生态
在SSD这个爆发增长的市场,浪潮HF全固态存储周边联合了intel、三星、希捷等SSD厂商,软件上基于虚拟化技术,统一管理资源,兼容VMware、Oracle、Microsoft、Ctrix、SAP HANA、Openstack等平台,整个固态存储的技术生态不断健全和完善。
创新技术支撑下,浪潮HF全固态存储可以部署在金融、互联网、制造、医疗、政府等几乎所有追求高I/O和低延时的场景中,提供高效、稳健的数据服务。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。