IBM公司已经于去年公布了其推出的三款DS8880整体阵列的对应全闪存版本,其闪存容量得到进一步提升同时将认知计算营销元素加入其中。
上代系统分别为DS8884、DS8886与DS8888。如今我们迎来了其全闪存衍生方案,全部以“F”后缀表示。这些阵列专门经过调整,旨在为大型机z Systems以及POWER中端服务器提供存储资源。
各闪存驱动器放置于IBM公司的高性能闪存外壳Gen2当中。这些闪存外壳与去年的DS8880系统同步推出,可在4U机架空间内提供400 GB、800 GB、1.6 TB以及3.2 TB闪存卡在座容量,同时支持RAID 5、6与10数据保护功能。
作为竞争对手,其它厂商的整体全闪存阵列往往拥有更为可观的闪存存储容量。日立公司的 VSP F800与F150最高存储容量可达8 PB。EMC的VMAX 850可达到4 PB,HPE的StoreServ 20000亦拥有3.9 PB存储空间。其部分原因在于,其它各厂商普遍采用容量在3.2 TB以上的闪存驱动器产品。
IBM公司介绍称,此系列新型阵列拥有更出色的“六个九”可用性,意味着正常运行时间达99.9999%——不及Infinidat的“七个九”,且可提供一致性微秒级应用响应时间——但未提供确切数字。
大型机z Systems与POWER服务器集成能力则是该系列新型阵列的另一大优势:
IBM DS8880F参数表
IBM公司还将其最新“认知”计算营销成果引入上述系统,表示其“考虑到认知工作负载对于高可用性及系统可靠性的严格要求,其非常适合由大型机与Power Systems加以承载。”
蓝色巨人同时告诉我们,该系列阵列可通过专利软件提供数据保护、远程复制以及中端及大型企业业务优化,从而同z Systems大型机产品顺利进行对接。
DS8880F机架设计示意图
IBM公司存储与软件定义基础设施总经理Ed Walsh指出:“DS8880全闪存阵列家族主要面向存在高延迟、低服务器利用率、高能耗水平、低系统极性及高运营成本等问题困扰的客户。”
他同时也提到了认知计算这一宣传元素,表示:“在刚刚到来的一年中,我们预计将有更多企业意识到认知型应用所带来的巨大发展机遇,同时利用云计算资源在数据驱动型市场上为其带来助力。”
IBM公司甚至进一步表示,“DS8880F基于同创新型IBM沃森解决方案同样的基础系统架构。”嗯,单从硬件角度来看,沃森采用的是一套包含90套Power 750系统的集群,各系统分别采用四块POWER7芯片,每块芯片拥有8个计算核心,意味着其计算核心总数为2880个(每个核心能够运行8个线程),外加16 TB内存。看起来两者的相同点并不多。DS8880F既没有使用沃森的DeepQA软件,也没有使用沃森中的Apache UIMA(即非结构化信息管理架构)构架。
总体而言,与沃森类似这样的说法似乎并不先说。也许我们应该直接问问沃森本“人”……或者说本“机”?
每套DS8880F系统标准配备加密驱动器,且能够支持密钥管理互操作协议(简称KMIP)。DS8880F还能够与VAAI(即阵列集成用VMware vStorage API)及vCenter站点恢复管理器进行交互,同时内置有一款vCenter插件用于存储管理。
新的DS8880全闪存阵列将于2017年1月20日正式通过IBM自身及其业务合作伙伴在全球市场销售。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。