HPE和DataDirect Networks(DDN)正在合作将DDN存储以及突发缓冲产品与HPE的Apollo服务器以及DMF工作流管理器进行整合。
这一合作的结果将是打造一款集成的HPE服务器存储产品组合,双方都将获益。
这次合作涉及的DDN产品包括IME闪存缓存/NVMe驱动器突发缓冲器,带有英特尔Lustre软件的EXAscaler阵列,以及支持IBM并行文件系统Spectrum Scale(也就是GPFS)的GRIDscaler阵列。
HPE的Apollo服务器包含大量ProLiant Gen 9服务器刀片,其中一些是水冷的。目前HPE与横向扩展文件存储软件提供商例如Qumulo和WekaIO都有合作关系。
DMF是Data Management Framework的缩写,提供工作流、数据管理、保护和灾难恢复功能。我们可以设想一个DMF覆盖了集成增强型EXAscaler的Apollo服务器和前端是IME缓冲引擎的GRIDscaler阵列。
HPE和DDN表示:“这次合作的重点是加速和简化客户在技术计算、人工智能和机器学习环境中的工作流。”
评论
客户引言中提到了实现数据吞吐量和数据保护的最大化。我们可以看到关于数据吞吐量的信息,但没有看到数据保护。DDN可能会建议使用他们的WOS对象存储系统作为备份目标,但这并没有包含在这次合作中。既没有提到任何备份软件产品,也没有提到备份至公有云层中。
我们就这个问题询问了DDN和HPE,DDN市场总监Kurt Kuckein回答说:“这次我们谈到的是更广泛的条款,而没有细化到备份和恢复。”
“一般来说,这覆盖了工作流和硬件故障——包括端到端地测试解决方案(在DDN和HPE之间进行联合测试),以及DDN SFA功能来保持在线,并在执行及时重建的时候以降级模式提供全面的性能。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。