西部数据(WD)公司的高管们最近有很多想法。本周,他们的注意力集中在扩大数据中心产品组合上,组合中涉及对象存储、增强型全闪存阵列、新型混合存储服务器平台。
上周,西部数据发布了用于监控摄像头的全新AI硬盘,并发布了面向旅游行业的无线固态盘。总而言之,这是一个繁忙的月份。
然而,在这波宣传之下,西部数据也在着手一些没有引起太多关注的项目和计划。“我们可能不是你所想的那家公司,”西部数据市场营销和沟通高级副总裁Dave Tang在加州圣何塞总部举行的新闻发布会上这样表示。
面向中国市场的对象存储
来看看西部数据今天推出的ActiveScale 5.3对象存储系统。这个下一代版本提供了云复制和“永久数据”的混合式架构,可以存储多个迭代中的大量信息。
很多人可能没有意识到,西部数据通过两年前与紫光股份有限公司合资成立的一家合资企业,已经在中国市场建立了一个物联网存储供应商。
西部数据高级副总裁、数据中心系统总经理Phil Bullinger表示:“根据IDC的数据,我们是中国第二大对象存储平台。我们完全相信......这是在中国构建商业合作的战略方式。”
在会议期间被问到美国政府最近采取的与中国贸易政策有关的行动是否会影响公司的业务时,Bullinger只是说:“没有直接影响,但显然我们正在关注这件事。”
出货10亿个处理器核心
今天,西部数据还推出了四款新的IntelliFlash N系列系统。这些支持NVMe的闪存阵列专为涉及人工智能、机器学习和交易型应用的企业工作负载而设计。
而另一个也许大部分人都不知道的是西部数据正在交付的处理器数量以及计划向新架构转型的事情。在周三举行的新闻发布会上,西部数据首席技术官Martin Fink证实了此前的报道,称公司目前每年在其产品中出货了超过10亿个处理器核心。
Fink还向与会者表示,他预计很快这个数字还会翻倍,并详细谈到了西部数据向RISC-V架构过渡的计划。
在RISC-V中担任领导角色
RISC-V并不完全是家喻户晓的名称。这个指令集技术是开源的,相当新的一项开发成果,四年前刚刚进入市场。
但RISC-V架构提供了更简单的设计和可扩展的计算架构,以支持大而快的数据。RISC-V的基金会除了西部数据之外,还得到了谷歌、IBM、Nvidia和高通等多家主流厂商的支持。
西部数据在去年11月宣布将在向RISC-V架构过渡中发挥主导作用。“我们想要推动这个生态系统的发展,”Fink说。
今天的第三个重要公布涉及到Ultrastar Serv60 + 8混合存储服务器平台(如下)。这个高容量服务器专为软件定义的存储归档而设计,可支持包括NVMe在内的多种技术用于数据加速。
数据即货币
在这一系列关于混合服务器、闪存阵列和对象存储的公告背后,是西部数据的一个基本信念,即信息不仅仅是被存储和被消费,而是更多地被作为一种商品被购买和销售。
在定义其价值的过程中,能够在边缘获取数据、并将其扩展到云端的智能分层存储架构将会发挥重要的作用。西部数据高管们举了农民配备物联网传感器的例子,该传感器可以获取土壤湿度和温度等指标,并将信息出售给其他人。
“现在我们看到数据成为了一种货币形式。世界已经成为以数据为中心的世界。”Tang说。
世界也越来越以区块链为中心,西部数据对于分布式账本的概念如何影响数据价值很感兴趣。在几周前发布的一篇博客文章中,西部数据公开围绕对于物联网采用这来说区块链在“数据淘金潮”中所扮演的角色进行了探讨。
在另一次采访中,Tang表示西部数据对区块链很感兴趣,但没有提供具体细节。“我们对区块链很感兴趣,因为它可以实现更多开放的数据访问。我们愿意投资这项技术。”
在满足跨生命周期和平台的企业数据需求过程中,西部数据创造了一个术语:共生设计(Symbiotics Design)。 这正是西部数据认为它可以为企业客户提供软件、处理、互连和存储规则方面扮演的关键角色。总而言之,都是关于数据的。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。