IBM本周二扩大了自己的全闪存存储产品线,增加了一款瞄准大数据和其他非结构化数据应用的产品。

"新推出的IBM DeepFlash 150计划从本周晚些时候开始出货,针对那些要求标准全闪存存储解决方案不具备的容量的应用。"IBM存储系统、文件和对象存储产品总监Alex Chen表示。
大多数全闪存存储阵列专注于更为传统的应用,例如VDI虚拟桌面、块存储和在线交易处理等。
分析师告诉我们,有80%的数据都是非结构化的,大数据对于闪存存储来说是一个不同的问题。自有了大数据,数据就迈向了PB级,而不是TB级。非结构化数据的增速是结构化数据的两倍。因此可扩展性是一个很重要的因素。
"大数据和其他非结构化数据也要求低成本的存储,很多非结构化数据例如视频已经被压缩,所以很难指望通过精简数据来节省空间。" Alex Chen表示。
因此,IBM DeepFlash 150采用了与IBM现有基于FlashCore的全闪存阵列不同的架构。
IBM表示,新产品的价格大约是每GB 1美元,很多厂商包括IBM都已经拥有在这个价位上的全闪存解决方案。但是其他包括IBM的解决方案,支持压缩和重复数据删除功能,都无法应对非结构化数据。
IBM DeepFlash 150是3U机架,每个都可以配置128TB到512TB的容量。结合IBM Spectrum Scale软件(用于文件、对象和集成的数据分析),IBM DeepFlash 150可以扩展到数EB的容量,Chen表示。
将两者结合为一套完整的解决方案,这将帮助客户和渠道合作伙伴支持像内存分析、媒体和娱乐、实时分析、高性能计算、生命科学和基因组学这样的工作负载,Alex Chen说。
Re-Store是一家位于加州圣马科斯的解决方案提供商、IBM长期业务合作伙伴,该公司总裁、基础设施架构师Michael Sedlmayer表示,这样一套包含有Spectrum Scale的解决方案让他对IBM DeepFlash 150很感兴趣。
要想对大数据和其他非结构化数据使用全闪存存储,就必须有足够的容量应对整个工作负载,并且能够在完成之后把数据迁移到别处,Sedlmayer说。
"这方面的一大障碍一直是闪存存储的高成本,如果一个工作集要求100TB容量,但是客户只能负担得起10TB,那就很难处理这个工作负载。有了DeepFlash 150,客户就有能力利用闪存来处理他们的工作负载。"
Sycomp是一家位于加州福斯特城的解决方案提供商、IBM长期业务合作伙伴,该公司全球系统解决方案高管John Zawistowski表示,DeepFlash 150填补了IBM闪存存储产品线一个巨大的空白。
"IBM闪存存储是市场中速度最快的,"Zawistowski说。"但是在那些不需要最快的存储的中端市场有所缺失。但是结合了Spectrum Scale,DeepFlash 150就获得了高级的功能特性。"
客户并不总是需要IBM FlashCore存储那样的性能,Zawistowski说。"价格是与性能相关的,"他说。
Chen预计IBM的渠道合作伙伴会在DeepFlash 150的销售中占大约80%的份额,特别是那些Spectrum Scale的合作伙伴。
"今年,我们预计有很大一部分的DeepFlash 150客户将会把Spectrum Scale连接到需要提升性能的旧型号存储系统上,"他说。"这是一开始最容易的采用方式。但是随着时间的推移,我们将看到有更多的案例,客户采用其他文件系统"
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。