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
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。