西部数据公司已经发布了一套ActiveScale P100系统,专门用于存储对象数据,其存储容量区间在720 TB到19 PB(原始容量)之间,这意味着其将作为低于存储区间在672 TB到35 PB的Active Archive系统之下的入门级归档产品层存在。

ActiveScale P100 QCT服务器与存储托架细节图
西部数据公司目前拥有数据中心系统业务部门,简称DCS,其中包含SanDisk InfiniFlash以及HGST Active Archive System产品,外加此次最新公布的ActiveScale系统方案。
其中规模最小的Active Archive产品为SA1000,其单机架存储容量区间在672 TB到4.6 PB之间,并可在单一命名空间内跨越三座数据中心实现28.2 PB跨地理位置存储容量。
西部数据方面表示,其规模更小的ActiveScale P100属于一套向上扩展与向外扩展系统,单机架最高存储容量为2.16 PB,跨机架容量上限则为19.4 PB。与Active Archive一样,其采用对象存储软件且最高可通过纠删编码及跨地理位置设计实现"十五个九"数据耐久性。
地理扩展意味着其能够部署至三站点配置当中,从而通过地理分散实现数据的更高可用性水平。
基础P1B0720配置最高可实现每秒3.5 GB传输速率并容纳高达6亿个对象。九机架最高19.4 PB(原始容量)系统则可利用其12.9 PB实际可用容量容纳162亿个对象。
基本单元占用12 U机架空间,扩展单元为6 U,而全配置19.4 PB系统总空间占用量达216 U。基本配置包含六台安装在机架较低位置的存储节点(基本单元)。中部位置则为三台系统节点,其下为两台存储互连节点,具体如以下示意图所示:

ActiveScale基本配置示意图
最高向上扩展配置(2.16 PB)需要配合两台扩展单元,其安装在基本单元之上且位于系统与互连节点之下。
向外扩展容量系统(6.48 PB)则可容纳三套完整的向上扩展2.16 PB系统,而向外扩展性能系统(2.16 PB)则可容纳三套最低配置720 TB基本系统。

最低与最高ActiveScale P100向上扩展机架:外观并不出彩。右侧机架拥有三台系统节点安装于中间位置,不过看不到其存储互连节点。左侧系统拥有一套基本单元外加两套额外的容量(扩展)单元。
从上图中可以看到,P100采用QCT QuantaGrid SD1Q-1ULH 1U服务器。很明显,这些服务器能够容纳5块2.5英寸SATA SSD、12块3.5英寸磁盘驱动器并提供一个PCIe M.2插槽。服务器之上包含三排10插槽QCT存储托架。机架顶端采用一台戴尔PowerEdge R415服务器(双插槽AMD处理器)。
磁盘驱动器采用HGST的氦气填充式单元。可以看到,基本单元拥有6个存储托架。如果按照720 TB原始容量计算,则意味着每托架容量为120 TB。换言之,如果采用10 TB He10驱动器方案,则每托架容纳有12块10 TB驱动器。
西部数据方面表示,其操作系统为ActiveScale 5,且该系统提供一套S3接口以及ActiveScale系统管理(简称SM)工具。
西部数据公司建议大家利用集成化Active Archive处理2 PB规模且增长速度较快的非结构化数据集,而模块化ActiveScale则更适合处理TB级别且增长速率较快的数据集。
ActiveScale系统将主要面向内部与外部云用户,具体包括生命科学、政府/国防以及媒体与娱乐行业类应用。这部分市场需要保有规模庞大的内容库、媒体流与媒体服务、数据分析、数据保护以及归档机制,西部数据方面解释称。
另外还有一款ActiveScale CM云工具,其负责"提供远程系统运行状态监控以及容量与性能的预测性分析,旨在主动管理指向ActiveScale P100的存储与访问活动。"
感兴趣的朋友可以点击此处查看关于ActiveScale P100的更多细节信息。
目前给出的ActiveScale P100系统价格为每GB 0.22美元起,且已经可以立即开始订购。
评论
按照以上算法,那么720 TB入门级系统的价格为15万8400美元。在我们看来,如果其采用10 TB磁盘驱动器,那么仅需要72块驱动器,折合每驱动器价格为2200美元。大家可以在Amazon上以525美元的价格买到10 TB氦气填充式Ultrastar He10驱动器。
事实上,在这套入门级方案中,我们相当于为软件、机箱、电源、风扇、控制器、机柜布线以及可扩展性等元素支付了大概12万美元--确实不怎么划算。
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。