2016年也快结束了,一天走在路上,回顾今年闪存市场有哪些变化,当脑细胞路过IBM闪存时,发现IBM闪存在2016年的发力目标非常清晰,就是围绕IBM的认知战略做基础工作。
这一年,从产品上IBM推出包括高性价比的Storwize V7000F和V5000F全闪存阵列。包括高度并行的全闪存存储解决方案,适合云规模的业务的IBM FlashSystem A9000、A9000R。包括针对海量数据存储的Deep Flash 150。IBM正在提供一个覆盖几乎所有工作负载的闪存产品组合。
这些产品不仅聚集了IBM在存储领域多年的技术和市场积累,更是围绕着一个更前瞻的战略在推进。这个战略就是IBM的认知战略。
Ibm存储最大优势不仅在产品和技术解决方案,更是为IBM的认知战略做基础工作。而全闪存阵列就是IBM认知商业概念里面重要的一环。所以IBM闪存其能够IBM基于认知商业打造全新的IT架构的数据存储基础。这样IBM全闪存阵列不仅能够对传统的应用程序,比如虚拟桌面基础设施,块存储和在线交易处理。又能够以极具成本效益的方式处理并控制大数据,尤其是非结构化数据。
助力企业迈向未来,IBM闪存要做认知时代的存储利器
认知时代一定是对海量数据的管理,数据迈向了PB级仅仅是开始,未来不仅更多的数据是非结构化的,同时数据的数量和复杂度会越来越高。所以未来闪存不仅要高性能、高安全,还一定要解决海量数据存储的需求,同时要实现成本优势。一方面采用FlashCore 存储技术的FlashSystem 900存储系统能够为企业提供高性能高安全的存储设备。另一方面IBM新推出的DeepFlash 150是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 FlashCore 存储技术不仅可提升闪存的耐久性,还可以降低写入延迟。FlashCore 技术更进一步,使用详细的 NAND 块特性数据来确定每个数据块的健康情况,并将之与接下来的写入活动相匹配。IBM FlashSystem 900 能够以减少过多的写入活动并尽可能延长每个 NAND 数据块的寿命。 结合优化的超容量算法及耗损均衡算法,IBM存储不仅可提升 MicroLatency 模块的闪存耐久性,还可为 FlashSystem 900 存储系统提供非常高的写入 I/O 吞吐量。 采用IBM FlashCore 技术的高级硬件及专有算法就是要提供当今市场上速度最快、性能最可靠的闪存存储系统。此外,IBM 闪存系统还采用了业内最领先的 NAND 技术,以期为客户提供最具成本效益的闪存存储系统。
而FlashSystem存储系统是一款全模块化的存储解决方案,所有的关键非被动组件均包含在现场可更换单元 (FRU) 或模块之内。在 FlashSystem中,包括闪存存储模块等采用完全冗余式设计,可在需要时进行热插拔,FlashSystem MicroLatency 模块可通过单元前端访问。一旦出现故障,可轻松更换这些模块,而不会影响存储操作。
还有IBM闪存包含两套界面、RAID 控制器、基架和管理控制器。比如FlashSystem 900 采用冗余式控制器 FRU或容器,控制器容器可从 系统后部访问且可热插拔,确保不中断的持续可用存储操作。
而IBM DeepFlash 150采用了与IBM现有基于FlashCore的全闪存阵列不同的架构。传统的闪存解决方案很难实现对非结构化数据的压缩和精简数据来节省空间。因此不能应用于海量数据的存储。但是能够实现DeepFlash 150大数据和其他非结构化数据低成本的存储。
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。IBM DeepFlash 150能够处理大量数据集。DeepFlash 150也能成为金融服务,医疗保健,电子商务,电信,娱乐和媒体以及云服务的理想选择。
除了拥有高容量和闪存性能以外,DeepFlash 150还极具成本效益,每GB容量不超过1美元。最后如果IBM结合DeepFlash 150使用其IBM Spectrum Scale,就可以为客户提供覆盖式存储服务和大数据工作负载优化的关键功能。IBM闪存与Spectrum Scale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。
可以看到,IBM闪存能够为企业提供一个更为先进的数据管理基础架构,能够在企业认识并实践认知计算的时候,能够一步到位的实现数据的全面管理和服务。相信在未来的2017年,IBM闪存的价值会越来越凸显。
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。