还记得之前EMC的IDC数字宇宙吗,一个描述了我们被淹没在ZB级数据海洋中的研究?如今,它又回来了。
第一份报告是在2011年发布,然后2012年又发布了一份,称数字宇宙将会在2020年达到40ZB。
这次回归得到了希捷的赞助,研究报告题为《数字时代2025:数据到生命关键的演变》。
报告封面有一句这样的口号:“不要专注于大数据;专注于数量庞大的那些数据。”有点太深奥了。
开头的概述是这样写的:“我们正在快速接近数据时代的新纪元。从自动驾驶汽车到人形机器人,从智能个人助理到智能家居设备,我们周围的世界正在经历根本性的变化,改变着我们生活、工作和娱乐的方式。”
“虚拟个人助理唤醒了想象力,它会根据天气预报推荐最合适的衣服、你当天的日程表以及自动驾驶的汽车……当周末到来你坐在新沙发上放松身心的时候,面前是一份机器人制作、无人机送货的披萨。”
IDC预测,到2025年全球所有数据通道中的数据总量将增长到163ZB,这是2016年16.1ZB的10倍多。IDC认为,这些数据中有近20%对我们的日常生活来说至关重要,有10%是非常重要的。
IDC数据时代2025图表
这些数据来自于嵌入式系统、物联网、移动和实时数据,当然还有人工智能!
IDC称:“在这个数据转型的过程中,那些能够发现并利用关键数据集的企业将蓬勃发展,从而给用户体验带来积极的影响,解决复杂问题,创造新的规模经济。商业领导者应专注于发现并利用这些独特且关键的数据,以实现这些数据所拥有的巨大潜力。”
希捷的兴趣当然是在保存于磁盘中的数据上。全球数据空间越大,希捷磁盘存储的前景就越光明。
IDC的研究表示:“数据时代2025研究项目预计从2017年到2025年出货的所有介质类型必须承载超过19ZB存储容量才能满足存储需求。其中有大约58%的容量将来自于HDD产业,有30%来自于闪存技术。”
希捷IDC数据时代2025图表
企业将更多依赖于磁盘多过闪存:
希捷IDC数据时代2025图表
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。