IBM近日推出了TS1150的升级版——TS1155,提供了15TB的原始容量,增加近一半。
这些都是IBM专有格式的磁带。相比之下,开放标准的LTO-7提供6TB的原始容量(2.5:1的压缩比例下是15TB),即将推出的LTO-8将达到8TB,低于IBM的容量水平。
IBM透露TS1150的压缩比例为3:1,相同的压缩比例运用到TS1155的话,压缩容量就是45TB,远远高于TS1150的30TB。
TS1155采用新的TMR读传感器头技术,在JD类型介质(JD/JZ/JL)的15TB要比上一代TS1150 10TB高出50%,而且还支持JC 4TB(只读)和JC 7TB(读写)。
写入TS1155格式的介质是无法被TS1150读取的,但是向后兼容10TB的TS1150。
TS1155有两个型号:3592 55E(以太网)和3592 55F(光纤通道),两个型号在TS4500磁带库中都是可用的,且具有:
- 10Gbps以太网主机附加继接口,适合于55E上基于云的环境和超大规模环境
- 原生数据速率为360 Mbps
- 双端口8Gbps光纤通道,在55F上支持独立的机架式应用
- 有效再利用现有的JD/JZ/JL介质类型,能够读写TS1155格式的介质,而且格式相同介质最高到15TB
- 加密功能支持IBM Security Key Lifecycle Manager
- 当针对数据文件进行基准测试时,Streaming Lossless Data Compression (SLDC)算法使得压缩比例高于TS1140
- 规划未来还将针对访问数据增加支持Spectrum Archive (LTFS格式)
此外还将通过提供磁带使用情况和ELK的性能监控中在Spectrum Archive上提供支持,以及通过Simple Network Management Protocol(SNMP)发出警报。
一些功能利用了像“递归累积回传冲洗*”和“相同的无包装冲洗**”这样奇怪的字眼,让人感到很茫然。
TS1155与TS1150有相同的加载/读取、定位速度和访问时间,不兼容IBM TS7700或者Enterprise Tape Control Unit环境。
特定的IBM Power Systems、System i、System p、System x和其他运行AIX、Linux、Oracle Solaris和Windows的服务器支持TS1155 55F。
不过,TS1155 55D最初仅通过一个Window设备驱动程序提供,需要得到IBM i-RPQ 8B3685的支持。
客户可以将TS1150 Model EH8转换为TS1155 Model 55F驱动器。
IBM这次对新推出的驱动器计划供货是仔细且详细的。
从5月9日:功能号AGKQ for 3584 models L55以及D55
6月2日:Model 55F,型号切换,其他所有功能提供给除了阿根廷和台湾的其他所有国家
6月23日,Model 55F,型号切换,其他所有功能提供给除了阿根廷和台湾的其他所有国家
7月28日:Model 55E
* IBM在文档中称:“S1140磁带驱动器和TS1150磁带驱动器使用了一种所谓递归累积回传冲洗(或者非易失性缓存)的算法。这种算法增加了来自主机服务器的有效数据率性能,从而强制执行写操作时的同步操作。”
** IBM在文档中称:“通过递归累积回传冲洗功能提高性能,增加新的相同的无包装冲洗扩大了针对大文件的虚拟回传效果。”
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。