昆腾公司今天宣布全面发售公司屡获殊荣的StorNext®横向扩展文件系统的最新重大版本StorNext 6。它以独一无二的方式融合了用于内部、混合云和公有云环境的全新先进数据管理功能以及行业领先的流媒体性能。StorNext 6现已随昆腾Xcellis®工作流存储解决方案出货,它让用户能够克服传统NAS系统的限制,从而满足快速增长的大型数据密集型负载的需求,并从这些数据中提取业务价值。最新版StorNext能够让分布在各地的团队以更高效、更经济的方式访问文件,以便在整个生命周期内管理并保护归档数据以及审查数据变更。
多站点文件复制与共享,实现更轻松地协同办公
基因组学、学术研究、视频监控和政府安全等数据高度密集环境所面临的一个关键挑战就是:让分散在各地的团队能够一起使用一个共同的数据集,以便进行创作、分析或其它工作。StorNext 6通过使用两个新功能:FlexSync™和FlexSpace™,而解决了这一挑战。
• FlexSync通过高度可管理、高度自动化的方式在多个StorNext系统之间快速、灵活而轻松地同步数据。它支持一对一、一对多和多对一文件复制,并几乎能够在任何层面运行:特定文件、特定文件夹或整个文件系统。
• FlexSpace让多个StorNext实例以及分布在各地的团队,能够共享一个存储库,并轻松访问同一个数据集。为了降低成本,共享存储库避免在每个站点都保留重复的数据副本,同时随时随地为所有用户提供访问权限。FlexSpace支持使用S3协议的公有云和私有云存储,其中包括Amazon Web Services(AWS)、谷歌云以及昆腾Lattus?对象存储和第三方对象存储,例如:NetApp StorageGRID、IBM Cleversafe和Scality RING。

增强的StorNext客户端功能,实现更高的敏捷性
高性能文件存储用户可能随时会有数十个、数百个、甚至数千个客户端同时访问系统,这会阻碍工作流并导致低效。为了解决这一问题,StorNext 6纳入一个新的服务质量(QoS),用于优化所有客户端工作站上的性能,并对每个设备逐一进行优化,以便符合业务优先级。用户能够:
• 针对涉及紧急项目、要求更为苛刻的应用,为特定工作站分配更多带宽。
• 设置参数,这样不紧急的活动就不会消耗不必要的带宽。
• 当优先级发生变化时,迅速进行相应的调整。
StorNext 6还让客户端平台无需检索整个目录,就能浏览包含离线文件在内的归档目录--这些文档的数量多达数十万甚至数百万。因此,该功能大大简化了归档检索流程,让用户能够更快找到自己想要的文件。
文件拷贝过期功能提高了投资回报率,而文件审查功能带来了更深入的洞察
作为可在闪存、机械磁盘、对象存储、磁带和云上横跨一个命名空间的单一、集成解决方案的基础,StorNext长期以来一直通过分层来降低总体存储成本。StorNext 6添加了:
• 一个新的拷贝到期功能,能够自动从更昂贵的存储层移除文件拷贝,从而释放空间并提高整体投资回报率。
• 能够在整个数据生命周期跟踪文件中的变化并报告何人更改了文件、何时更改的文件、对哪些部分进行了更改、文件是否迁移、迁移到什么地方,所有这些都让管理员能够更精细地管理文件、洞察使用模式,并帮助其满足规定要求。
销售情况
StorNext 6现已预装在所有新购买的Xcellis设备上,也免费供那些在现有支持合同下运行StorNext 5的Xcellis用户使用。
好文章,需要你的鼓励
随着沃尔玛电商部门年化GMV突破1000亿美元,AI驱动的商务正在加速发展。Onton获得由Footwork领投的种子轮融资,定位为电商决策的起点。该平台通过神经符号引擎解决传统电商搜索痛点,在家居装饰领域快速扩张,月活用户从5万增长至100万。沃尔玛和好市多等零售巨头已在运用AI重塑购物体验,消费者期望正在发生根本性转变。
斯科尔科技学院联合俄罗斯多家研究机构开发出革命性的多语言AI虚假信息检测技术。该研究构建了覆盖14种语言的大型数据集PsiloQA,通过"诱导AI说谎"的创新方法自动生成训练样本,成本仅为传统人工标注的数十分之一。实验证明多语言训练的检测模型性能显著优于单语言模型,为全球AI可信度监督提供了实用解决方案。
卫星连接领域领军企业星链与BICS达成战略合作,指定Proximus Global为其在欧洲直连手机卫星服务的首选IPX提供商。该合作将使星链利用现有IPX网络连接移动运营商,并为能够向智能手机提供宽带服务的下一代网络铺平道路。星链直连手机服务拥有超过650颗低轨卫星,可在移动信号盲区提供数据、语音、视频和消息服务,连接五大洲超800万用户。
NVIDIA研究团队发现,训练机器人最有效的方法竟然是最简单的:直接用普通文字告诉机器人该做什么,而不需要复杂的编码系统。他们开发的VLA-0系统在标准测试中超越了所有复杂方法,平均成功率达94.7%,在真实机器人测试中也比预训练系统高出12.5个百分点。这项发现挑战了"越复杂越好"的传统观念,可能加速智能家用机器人的普及。