4月26日,2017浪潮云数据中心全国合作伙伴大会(简称IPF2017)在乌镇举办。围绕共建智慧世界的主题,浪潮发布面向渠道分销业务的新一代入门级智能存储AS2000G2系列,完善浪潮智能存储G2平台的布局,推动中小企业由数字化向智能化转型。
毋庸置疑,智慧计算是未来的主要方向。浪潮将进一步聚焦智慧计算,建设以智慧计算为核心的计算生态,强化计算领域的全球领先性,做智慧计算的全球领导企业。智慧计算的三大支柱是计算、数据和算法,其中数据积累已经是智慧计算发展的主要挑战。面对这一挑战,浪潮推出智能存储G2平台,以智能感知、智能架构、智能管理的"三智"优势,驱动"物理世界数字化、数字世界智能化"进程不断加速。
浪潮推出入门级智能存储AS2000G2系列
超越业界同档次渠道存储
对比上一代AS520E-M1单一渠道存储产品布局,浪潮此次加大了入门级市场的投入力度,推出高、低两款入门级智能存储AS2600G2和AS2200G2。这两款存储产品不仅硬件规格高、易扩展,更重要的是软件比较丰富,拥有智能四层分层、智能实时压缩、异构虚拟化、透明迁移等多项领先技术,使得浪潮渠道产品领先业界。
"浪潮存储渠道业务增长很快", 浪潮存储产品部总经理孙钢表示,"2016年浪潮合作伙伴的存储业务增长115%,在教育、政府、制造、能源、金融等行业都达到了较高的增长,这证明了浪潮存储渠道策略具备较强的市场竞争力,也增强了浪潮推出新一代高低搭配的入门级存储的信心"。
AS2000G2系列坚持了浪潮存储渠道产品一贯的"智能高效、简单易用、融合经济",性能高出业界同档次产品30%以上、100%FRU部件维护且降低50%的TCO。
浪潮存储产品部总经理孙钢
浪潮AS2000G2系列面向入门级应用场景,具有非常好的性价比,同时继承了浪潮智能存储G2平台的许多高级特性,如智能四层分层、实时压缩、虚拟化等,随着客户应用的扩大进行连续升级,充分保护客户原投资,降低整体投资风险。同时,通过异构虚拟化功能,浪潮入门级智能存储AS2000G2可以异构业界超过95%的SAN存储设备,可实现数据透明迁移,提升企业IT的运维可靠性和效率。
应该说,此番升级后,AS2000G2的综合实力在同档次的产品中是首屈一指的。对于政府、教育、中小型企业级客户,AS2000G2可以算是高性能的利器,能够高效运行结构化数据、中小型数据库、虚拟化应用,适用于EMAIL、VDI、ERP,CRM,CAD等应用场景,带来业务效率和企业竞争力的提升。
浪潮智能存储G2平台,数据存储智能时代的标杆
浪潮AS2000G2是浪潮智能存储G2平台在入门级方面的产品布局。这一G2平台是在今年2月发布,打破过去以产品为中心的设计思路,从应用需求角度为用户进行提前规划和布局,重新定义智能时代存储的未来发展方向。
浪潮智能存储G2平台
浪潮提出了"以智变,迎万变"的理念,在浪潮存储产品部总经理孙钢看来,智变的核心是智能,即从存储软件、硬件、系统层面融入大量的智能技术,以实现智能的感知、智能的技术架构、智能的适配调度。
联合合作伙伴,2017年目标增长70%
今年2月,浪潮正式推出新一代智能存储G2平台,并发布AS5000G2系列,包括AS5300G2、AS5500G2、AS5600G2和AS5800G2四款中端存储。在此次IPF大会上,浪潮发布AS2000G2,进一步完善了浪潮智能存储G2平台在入门级产品方面的布局,并提供2017年全新的存储渠道政策。
2017年存储渠道政策主要包括,其一向分销合作伙伴提供100套以上的浪潮入门级智能存储AS2000G2系列种子机,满足分销伙伴的最终客户项目测试和体验需求;其二联合合作伙伴,对二级渠道分销进行培训赋能,支持行业POC项目测试,使得浪潮存储成为合作伙伴的强大后盾。
浪潮存储推出2017年"奔驰车和海外游"奖励计划
值得一提的是,浪潮提供的2017渠道奖励也颇具吸引力,对2017年存储销售额第一的合作伙伴奖励一台奔驰车,对成为"2017年存储合作伙伴之星"的合作伙伴奖励海外游。
可以说,浪潮存储2017年的渠道推进策略,既有助推业务的"种子机",又有令人振奋的渠道奖励政策,充分表达了浪潮存储联合合作伙伴的诚意,和2017年携手共赢的信心。浪潮存储将联合数千家合作伙伴,以"承接应用、感知数据"存储理念,共同推动智能化时代的到来,驱动浪潮存储实现2017年排名中国前二、业务增长70%的目标。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。