通常娱乐和媒体市场不被看作是高性能计算市场的一部分,具有相关大规模的并行文件访问和数据集管理。在HPC领域,现在可以经常看到像Lustre和GPFS(重新命名为Spectrum Scale)这样的文件访问软件。
HPC是一个学术和超级计算专业领域,但是已经扩展到商用领域,因为石油和天然气及生命科学领域的业务开始转向HPC来处理不断增长的数据量。我们看到有大量工作人员并行地运行新数据,老数据归档到后端存储库,设置工作流结构来管理这些数据和流程。
娱乐和媒体领域也在朝着相同的方向发展。电影分辨率日渐提高以实现具有特效的现实,数字艺术家们为虚拟演员创造了生动且多层次的背景。这正是昆腾(Quantum)横向扩展的StorNext文件访问管理和虚拟化产品的核心。
StorNext通过数据捕获提供主文件数据存储和访问,旧文件保存在近线(对象存储)磁盘或者磁带或者公有云上,根据需要由工作流程在这些存储层之间迁移文件,通过用不那么昂贵的存储层来保存那些不需要立即访问的数据,降低数据和存储库的成本。
昆腾表示,StorNext已经扩展运用到视频监控、车联网(例如自动驾驶汽车)、生命科学以及其他HPC可以发挥作用的垂直市场。
StorNext并不参与传统HPC市场的竞争,也就是中小型集群的HPC。但是据昆腾营销副总裁Molly Rector称,StorNext在商用HPC领域的确与Spectrum Scale和Lustre相竞争。
当数据增长超过1PB的时候,NAS系统可能就遇到问题了。这时候横向扩展的StorNext、Lustre和Spectrum Scale包含NAS会在数据密集型环境中蔓延。
Rector在去年9月加入昆腾,当时昆腾一直在发展StorNext业务,因为昆腾的DXi数据保护产品增长乏力,磁带产品持续疲软。
为了让StorNext继续增长,就必须让StorNext从娱乐和媒体这个核心市场扩展到更广泛的企业用途中。所以昆腾将其定位为一款客户用来拯救NAS蔓延的产品,而不是作为Spectrum Scale和Lustre的替代选择。昆腾已经聘请了HPC方面的专家,例如来自Adaptive的销售专家Jason Coari。
StorNext所在的领域就像是一个复杂的制造流程:通过仔细定义和管理的数据制造,处理数字组件的分层工作流,两者结合完成一款数字产品、一部电影或者视频,一个油田模型,或者基因组分析。在这周制造流程背后的基础设施设计和操作十分关键。昆腾希望StorNext在娱乐和媒体领域的经验能够让它在以数据为推动的数据产品制造市场取得进展。
战争已经打响,横向扩展的并行文件访问提供商目标是占领传统文件系统止步不前甚至落后下来的领域。客户将根据性能、采购成本和运营成本,以及工作流灵活性和成熟度来购买系统。
像DDN、Dell(全闪存的Ision)这样的提供商,以及XtremIO、Avere和Qumulo等,将矛头直接对准了Spectrum Scale和Lustre提供商。昆腾现在也加入其中,作为一家横向扩展、数字化数据产品制造工作流提供商。
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。