作为存储领域的重要参与者之一,IBM公司希望再次证明其重要地位。此次公布的内容包括一份规模可观的存储软件更新目录,再加一款存储硬件——新的全闪存阵列。
下面,我们首先来看本轮软件更新:
在硬件方面,此次公布的全新DS8800阵列家族中,DS8882F原始存储容量在6.4 TB到358.4 TB之间。在这一容量区间内,不同配置将使用从800 GB闪存卡到7.68 TB闪存卡。
相较于满载型DS8884F阵列,IBM公司表示DS8882F可在功耗与物理空间占用方面最高实现50%的节约比例。
这台阵列可配合IBM公司自家Z大型机系列的ZR1机型或者LinuxONE Rockhopper I使用,其亦提供16U标准19英寸机架版本。
IBM方面解释称,DS6000、DS8800以及DS8870阵列等原有系统也将遵循类似的升级思路。具体技术规格细节请点击此处进行查看。
总体而言,IBM公司似乎确保其客户将利用多套云环境配合本地IT基础设施支撑业务体系,因此需要能够在不同云之间移动其应用程序与数据。这意味着蓝色巨人后续还将发布更多公告,毕竟本轮发布仅面向SAP以及EPIC Electronic Health Records提供AWS与多云支持选项。
蓝色巨人全球基础设施部门副总裁Ashish Nadkarni热情洋溢地做出说明:“本周公布的大量IBM Storage创新成果,将向其它一切计划为多云环境提供软件定义存储解决方案的技术供应商发出明确信号——跟上我们的脚步,不然就躲远一点!”
不知道其它各大供应商是否真的会“乖乖听话。”
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。