Nimble Storage宣布Azure和AWS云并不是企业事务应用的理想选择,但是可以通过将其打包到Nimble Cloud Volumes来解决这个问题,起始价大约是每月每GB 0.1美元。
Nimble表示,它将为客户提供Cloud Volumes,它的宣传材料中称提供6个9的存储可用性,数据持久性比原生云块存储高出“一百万倍”,但是它并没有为这个数据提供可量化的论据。
据Nimble称,AWS和Azure块级云存储并没有(内部部署)“企业级”可用性和数据耐用性。但是,这里说的“企业级”同样是没有量化的,Amazon的Elastic Block Store(EBS)有“每个Amazon EBS卷”……在其Availability Zone中进行自动复制,保护你免受组件故障,提供高可用性和持久性。
同样地,Azure确保了“始终复制你微软Azure存储帐户中的数据以确保持久性和高可用性”。
不管怎样,Nimble宣称Cloud Volumes数据保护是具有成本效益的,因为客户只需为更改的数据支付费用,额外的完整副本是不需要付费的。他们还可以在公有云中创建即时零拷贝克隆,以进行测试和开发的快速部署,以及云中的分析和爆发。
在云卷中的数据可以迁移到另一个云中的云卷,或者迁移到或者迁移出一个内部部署的Nimble阵列,从而防止云提供商锁定。Nimble通过这次公布宣布支持Amazon和Azure,但是并没有其他其他公有云。
此外Nimble表示,这种云卷数据迁移可以在不需要大笔数据输出费用的情况下发生。
Cloud Volumes采用Nimble的预测分析来帮助客户找到并解决性能问题、优化存储成本和改善数据放置。
这种混合云存储的模式——相当于在私有云和公有云存储之间的数据迁移——得到了NetApp Data Fabric的支持,后者涉及到更大的数据服务集,以及对Amazon云的高速访问通道。Nimble如可开发自己的Cloud Volume,这一点值得关注。
Cloud Volumes服务目前正在测试阶段,Nimble将从这个季度开始在美国开始客户预览。Nimble表示,将在未来6到12个月向其他地区提供Cloud Volumes服务,起价为每月每GB 0.1美元。
好文章,需要你的鼓励
浙江大学研究团队开发了ContextGen,这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制,解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题,并创建了业界首个10万样本的专业训练数据集,在多项测试中超越现有技术。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
上海交通大学研究团队开发的SR-Scientist系统实现了人工智能在科学发现领域的重大突破。该系统能够像真正的科学家一样,从实验数据中自主发现数学公式,通过工具驱动的数据分析和长期优化机制,在四个科学领域的测试中比现有方法提高了6%-35%的精确度。这标志着AI从被动工具转变为主动科学发现者的重要里程碑。