对于聚视互娱公司来说,海量数据和跨网络供应商的需求给存储系统带来了巨大挑战。浪潮软件定义存储AS13000的EB级容量、百GB聚合带宽能力、分布式架构及领先的软件功能,帮助聚视互娱充分保障了广电用户的视频存储容量和播出流畅性需求,让视频分发无阻塞、播出更精彩。
4K超高清电视节目等炫酷视频节目极大地丰富了人们的视听体验,构成我们生活中不可或缺的精神享受。但这些节目对于平台的存储容量、带宽和可靠性是维持其良好运转的必不可少的条件。
霍尔果斯聚视互娱文化产业有限公司(以下简称:聚视互娱)是一家专注于为网络运营商提供全方位解决方案的公司,引领业界最新的技术研发与产品创新,积极探索适合网络运营商的融合业务运营模式。聚视互娱目前拥有5家子公司,与9个省级网络运营商开展了投资及合作运营。面向互联网、广电网络和电信等网络运营商,聚视互娱以"资本+技术+资源+运营"的方式,协助网络运营商打造覆盖多终端跨网络的家庭电视互联网+物联网+云平台,发展"电视+宽带+OTT+移动互联网"融合业务。
极致体验 需要极致存储性能
2017年,聚视互娱在上海的存储系统需要支撑一套体育项目在广电和各省落地的重任,由于存储的数据量巨大且要保证播放时画面同步、流畅,不卡顿,所以对存储的稳定性要求极高,需要高性能、高可靠的存储系统来支撑该业务。
首先是庞大的存储容量。高清视频素材的高码流,决定了存储高清视频所需要的磁盘空间需求剧增。一般高清节目素材的码流为100Mb/S,加上编辑用的低码流素材和音频素材,一个小时的节目素材存储所需的硬盘空间就需要在30GB左右。同时,收录节目素材和合成成品节目素材的空间也需相应提高。考虑到磁盘空间的利用率控制在70%的原则和扩展余地,一般中小型高清编辑网的素材存储量都需要达几十个TB。
其次,极高的存储带宽。例如,10个高码流编辑、上下载工作站点,10个低码流编辑站点、4台合成服务器、4台用于收录素材和合成素材迁移的迁移服务器制播网络,极限读写混合带宽将达到6Gb/S左右。考虑网络系统需要20%的带宽作为冗余,聚视互娱上海的存储系统所需带宽超过7Gb/s。
第三,存储的高可靠性。视频数据是海量的,且存储容量和存储性能需求随着业务量的增长而增长。在高带宽、大容量、读写频繁的应用环境下,要保证存储系统的稳定、安全运行,聚视互娱上海节点存储还需要在存储容量与带宽上保持高可靠与高可扩展性。因为一旦存储系统出现问题,造成成品节目丢帧、卡壳,会严重影响节目的正常播出。
浪潮软件定义存储 给体育播出护航
针对客户需求,浪潮提供了以软件定义存储AS13000为核心的存储解决方案,满足其对于容量、带宽及可靠性各方面的需求。在聚视互娱一期项目中,通过统一资源池,为客户提供几百TB的存储空间,满足存储需求,热添加功能满足后期扩展需要;利用多副本保护功能,冗余两个节点故障的方式保障了数据安全性;节点之间通过两台万兆网络作为数据交换,在保障链路带宽要求的同时,也保障了链路的安全性。
AS13000软件定义存储解决方案对内提供统一的NAS共享资源池,将块、文件和对象数据自然地集成在单一平台,并支持NFS、IPSAN、HTTP、HDFS等接口。单节点10000+OPS、2.5GB/s极限带宽的超高性能,多协议的支持、多达5120节点海量统一存储资源池融合、100G IB网络传输、x86与GPU及FPGA异构资源平台的整合等功能特性,完全满足了聚视互娱上海节点一期项目对于容量与性能的需求。
此外,随着业务的增加,浪潮软件定义存储AS13000还可以在线添加存储节点,满足聚视互娱存储容量、性能持续增长的需求,大大降低了其前期的IT投入。浪潮AS13000可支持5120个节点的扩展、EB级海量存储空间,具有可靠的数据自动修复机制,可充分满足聚视互娱未来不断扩展的存储需求。
聚视互娱相关人员表示:"浪潮软件定义存储AS13000针对视频存储做了多方面优化,其分布式存储架构很好地满足了我们在容量、性能和扩展性的需求,尤其是数据多副本的保护功能,有效地避免了因为单点故障引起的数据安全性问题,满足了客户视频节目从后期制作到电台播出的数据容量和吞吐需求,让我们的视频发流媒体解决方案为客户提供极致体验。"
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。