科技和风险投资领域的十几家知名公司正在把赌注压在一家会撼动数据存储市场、名为Cohesity的初创公司上。
领投的GV是Alphabet的风险投资部门,这轮融资中已经向Cohesity投资超过9000万美元,使其外部总投资金额超过1.6亿美元。就在不到一年前,Cohesity走出隐身模式,推出了一款旨在保存所谓二级数据的存储系统。
据Cohesity称,这类数据包含备份、归档文件以及企业几乎不定期使用的任何类型的信息记录。Cohesity宣称这种信息在企业存储基础设施中占比大约能达到80%。Cohesity的系统提供了一个集中化的控制台,允许管理员在一个地方统一管理他们的所有文件,这在很多方面都是非常便利的。
首先,Cohesity的平台不需要企业处理二级数据所常用的单独的工具和设备。Cohesity宣称,他们的方法打消了技术壁垒,以前这些壁垒使得管理员很难找到冗余的信息,无法为其他工作负载释放空间。
Cohesity通过提供一系列旨在简化日常运营的高级管理功能来解决这个问题。Cohesity的平台允许存储人员查找记录、分析存储使用情况以寻找需要改进的方面,并采取措施以确保信息是随时可用的。如果企业本地硬件空间不足的话,它还提供了将文件迁移到云中的选项。
Cohesity以预配置系统和虚拟设备(可以安装在主流公有云平台或者第三方硬件上)的形式售卖这款平台。目前它兼容来自HPE和思科的硬件设备,而且这两家公司与GV一起都为这轮融资做出了贡献。
根据该公司的融资公告,Cohesity将把这笔新的资金用于扩大全球业务,扩大销售、营销和工程规模,专注于开发“除了数据保护之外的二级存储使用实例”。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。