HPE已经凝聚,升级,面向未来,保证灵活的存储,包括全闪存和混合产品线。
这些Nimble阵列的定位要低于3PAR阵列和高端XP阵列。3PAR阵列比Nimble阵列具有更广泛的功能集、开箱即用的简单性和易用性。
Nimble拥有全闪存的AF阵列产品、磁盘和闪存混合的Adaptive Flash CS系列产品、自适应闪存CS系列产品以及SF(二级闪存)产品。
AF系列升级
HPE将现有的5款全闪存阵列产品缩减为4款新产品,现有和升级的全闪存阵列型号和最大原始容量如下所示:
AF3000型号已经消失,AF80的容量是AF9000的一倍,AF20Q与AF20的区别是最大有效容量(数据缩减后),现在是128TB,而AF20增加到了168TB。HPE网站上的技术规格显示,AF20Q每个机箱最多可以配置24个驱动器,而其他新款AF机型可以配置48个。
这些规格并没有提供任何细节,但是对于AF60,HPE高级副总裁、Nimble存储总经理Dim Kresse表示,AF40和AF60为HPE带来了巨大的性价比优势。
现在HPE尚未透露有关新阵列产品控制器的任何细节,不过我们认为有可能是采用了英特尔至强SP处理器。
据称AF40相比之前的系统(大概是AF5000)价格/性能提高了220%;AF80的延迟不到1微秒。
我们得知每个控制器内置2个10GbE端口,可选端口包括1GbaseT、10GbaseT、10GbE SFP +或8/16G光纤通道。
SSD配置既不是最快的也不是容量最大的,SATA则分为240GB、480GB、960G、1.92TB和3.84TB几个容量点。现有产品最多可以有两个扩展架,而新产品只有一个。AFS2扩展架可容纳24个SSD。
AF系列的最大有效容量从AF9000的3PB增加到了AF80的4PB。
NVMe和SCM
这些新阵列已准备好将存储级内存(SCM)和NVMe驱动器以及NVMe-over-Fabrics结合在一起。在这方面,HPE也加入了戴尔、IBM、Kaminario、NetApp和Pure的阵营。
与NVMe闪存相比,SCM将会让延迟减少10倍。
HPE认为采用NVMe将分三个阶段:
NVMe和SCM NVDIMM读缓存
NVMe SSD
NVMe-over-Fabrics(NVMe-oF)
NVMe-oF被视为具有生态系统依赖性,HPE称这三个阶段不是一定相互依赖的。
Adaptive Flash AF系列
Adaptive Flash磁盘与闪存混合型产品新型号包括:
扩展方面这里提到了CS系列最大原始容量,因此不能直接与HF系列容量数进行比较,例如CS7000。
这些HF阵列(除HF20C之外)支持嵌入式可变块大小的重复数据删除功能。HPE声称这些阵列是“业界最高效的混合阵列”,有多达6个扩展架。
HF20C被认为是“便宜且有深度”的阵列,但没有重复数据删除功能。
单独的SF产品消失了,融入了新的HF阵列。HPE表示:“Adaptive Flash阵列是一种混合闪存阵列,适用于混合的主流工作负载,对这些工作负载来说经济高效的闪存性能非常重要。它可作为辅助闪存阵列用于备份和灾难恢复,同时允许客户运行质量保证、测试开发和报告等工作负载。”
在对可用容量进行重复数据删除后,HF阵列正常工作负载的最大有效容量高达5080TB,最高可用容量为1116TB。但据称,备份和数据缩减工作负载的最大容量为18288TB,数据缩减比率为18:1。
HPE表示,与现有的CS系列Adaptive Flash阵列产品相比,这些新型HF系统的性价比提高多达200%甚至更多。HPE称HF60的性能比同等CS型号(大概是CS7000)高出65%。
提供更多保障
就AF系列来说,HPE向客户保证每TB原始存储空间保存的数据量要高于其他任何厂商的全闪存阵列。
HPE称AF系统现在是市场上最具容量效率的全闪存阵列,如果HPE的存储效率低于全闪存竞争对手的存储效率,那么HPE将免费提供必要的增量存储。
这里“仅限于售前保证,”HPE澄清说。
升级后的Nimble AF系列和新的HF自适应闪光系列产品现已上市,目前还没有价格信息。
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。