在冯.诺依曼的计算架构中,内存一直以来都是一个关键部分。如今,随着数据量的处理、存储以及访问的持续攀升,企业的数据中心中也开始出现DRAM扩展,这也影响着数据中心的架构。
面对当下变幻莫测的存储市场,美高森美作为业界知名品牌,近日宣布全新智能存储 SAS/SATA 量产的生产发布。这些先进智能存储阵列卡的推出使美高森美针对数据中心SAS/SATA服务器存储的智能存储产品有了进一步提升。
据美高森美公司可扩展存储业务部产品管理及战略总监Mark Orthodoxou介绍,此次发布的产品包括Adaptec HBA 1100 系列、SmartHBA 2100 系列以及SmartRAID 3100 系列的整个产品组合都是基于公司最新的 28nm SmartIOC 2100 和 SmartROC 3100存储控制器集成电路 (IC),可以针对各种服务器存储应用定制高性能、低功耗、可靠且功能多样的解决方案,另外,还包括软件特定的存储 (SDS)、冷存储和企业应用。


其三款解决方案均采用统一的智能存储堆栈,每一个系统都具有独特的优异特性:
HBA 1100可以为 SDS 应用提供可靠性能和灵活性,针对 SDS、冷存储和原始高性能连接进行了优化。包括:
• 多达 24 个端口的阵列卡,使用 28nm SAS/SATA 优化芯片,为目标应用提供最佳功率分布
• 支持主机管理或主机感知叠瓦式磁记录 (SMR) 驱动器
• 广泛的操作系统 (OS) 驱动程序支持,包括内置驱动程序支持
• 性能高达每秒 170 万次输入/输出操作 (IOPS)
SmartHBA 2100 是一款独特的阵列卡解决方案,拥有 HBA 1100 所有优势的同时还可在指定的驱动器提供基本硬件 RAID选项,是需要配备启动驱动器 RAID 的 SDS 应用或中小型企业 (SMB) 应用的理想之选。还提供:
• 不影响功能齐全的多功能 HBA 的基本 RAID (适用于多路径 IO 和 SDS 应用)
• 每端口可选用RAID 逻辑驱动器模式或配置为HBA原始驱动器模式
• 适用于 RAID 0、1、10 和 RAID 5 的真正硬件 RAID
• 业界唯一一款包含八个以上端口的基本 RAID 解决方案
SmartRAID 3100 具有最齐全的功能,可通过缓存进行加速,还可为要求最为严苛的企业存储应用提供最佳数据可用性。适用于需要最高级别数据可用性的企业存储应用和可从缓存中受益的数据中心应用。除此之外,还具有以下特征:
• 多达 24 个端口的阵列卡,使用 28nm SAS/SATA 优化芯片,为目标应用提供最佳功率分布
• 缓存大小可达 4GB 的零维护缓存保护 (ZMCP),配有集成缓存备份线路,可实现最优的成本、热性能和运行效率
• 不含缓存备份的主板选项
• 所有阵列卡均包含 maxCache 4.0,SSD缓存最高为 ~2TB
• 基于 maxCrypto 控制器加密的路线图
"美高森美的智能存储解决方案可用于任何具备 12 Gbps SAS、6 Gbps SATA 硬盘驱动器 (HDD) 或固态驱动器 (SSD) 的服务器存储应用。"Mark Orthodoxou表示。
因此,此次美高森美的全新智慧存储可以说是数据中心又一"福利"。 据IDC预测,十年后,每年安装的所有企业级驱动器中,SAS/SATA HDD和SSD将占80%。正是基于这一趋势,美高森美的智能存储解决方案针对SSD性能进行优势,针对基于HDD的冷存储进行了功耗优势。
美高森美副总裁兼可扩展存储业务部总经理 Pete Hazen 表示:"美高森美的统一智能存储堆栈可提供行业最可靠和性能最高的存储控制器软件平台之一,其性能最高可达到每秒170万次随机读取输入/输出 (I/O) 操作。"
据悉,此次智能存储解决方案生产发布可以实现针对服务器原始设备制造商 (OEM)、服务器原始设计制造商 (ODM)、超大规模和系统集成客户的特定需求提供不同的解决方案。除此之外,TCO、统一固件和全线产品软件的特定优势,也进一步帮助客户优势性能及功耗。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。