9月18日,中兴通讯联合Intel®在北京举行存储新品发布会。本次推出的三款新品:中端存储KS3200 V2、高端存储KU5200 V2和全闪存存储KF8200,为企业物联网、云数据中心、大数据分析和人工智能提供了面向未来存储的解决方案。
随着物联网、互联网+、数据中心重构对存储需求的增加,大数据分析和人工智能在各行业的渗透,数据价值逐步提升,促使数据存储备受关注,大容量、高可靠、低延时、高带宽、新协议已成为近年来对数据存储最迫切的需求。
中兴通讯推出的新一代存储平台,主柜采用3U42盘位设计,可在有限空间内实现更多数据的存储。KS3200 V2主柜即可满足中小数据容量的用户需求,大幅降低部署空间,并可随企业数据量的增长进行平滑扩容,单节点最多可支持1100块硬盘,轻松拥有海量数据管理能力。为中大型数据容量用户需求量身定制的KU5200 V2,可轻松实现大容量、大带宽,相比KS3200 V2,可支持超过2000块硬盘,单系统管理的数据可高达16PB,且具备25G/100G组网能力,可实现更高的数据运输带宽。为满足极速数据的用户体验,中兴通讯新款磁阵采用了最新的Intel®处理器,单节点缓存高达1.5TB,并且实现了槽位灵活切换创新性设计,每套存储系统中有多个SAS、NVMe SSD槽位可自动识别,极大提高了系统的IOPS(每秒进行读写操作的次数)。中兴通讯KF8200凭借其200万IOPS、低至百微秒延时的数据服务,在给用户带来极致体验的同时,可支持在线数据去重、在线数据压缩;不仅满足极速数据需求,而且可为用户提供稳定、安全的性能保证。
此外,中兴通讯新一代存储平台,还采用了灵动融合架构,数据可同时在NL-SAS、SAS、SSD、NVMe灵活流动;并可提供多种协议接口,包括文件、块、虚拟化等;将传统磁盘阵列、混合磁盘阵列、全闪磁盘阵列融为一体,满足客户差异化需求。
中兴通讯是国内为数不多的软件全自研厂家,此次推出的新一代存储操作系统可支持丰富的增值存储软件功能和强大的管理系统。在增值功能方面,更好地支持了Scale-out集群、同城双活、存储虚拟化等功能。存储虚拟化实现了多品牌存储融合管理,极大地简化了客户的运维成本。同时新一代双活功能可以对接传统KS3200、KU5200产品,实现了新品与现网设备的完美融合。在管理系统方面,配置了独立的管理卡,支持集中管理,可监控CPU、电源及散热数据,快速地进行相关配置,为产品可靠运行提供保证;支持业界各种存储接口(SMI-S、SNMP、CLI、Web、Cinder、VVol、VASA、Restful(Swordfish)),可满足从传统应用到虚拟化云平台的各种应用需求。
中兴通讯服务器、存储产品总经理郭树波在发布会上表示,“亚洲市场目前是全球排名前三的存储市场,且对中高端存储需求非常大,随着数据量的不断攀升,客户一方面想节省设备占地空间,一方面又想在有限的空间内存储大量的数据,降低数据中心成本,都在不断寻求新的存储解决方案。中兴通讯从2005年成立服务器存储产品线以来,目前已发布了数十余款自主研发的服务器、存储产品,积累了丰富的产品研发与服务经验,并可根据客户需求深度定制,与国际知名大厂商相比具有明显优势。”
中兴通讯凭借“软硬结合”的深度定制策略,在自主创新之路上不断开拓,服务器、存储产品在国内三大运营商、政府、教育等行业均已实现规模应用,并成功突破部分银行客户。中兴通讯服务器、存储产品的优异品质得到了市场的认可。中兴通讯一贯秉承以客户需求为导向,基于需求创新,率先提出融合数据架构,帮助客户构建面向未来的云架构数据管理系统。中兴新一代存储产品让数据为业务服务更便捷,通过业界领先的硬件平台、统一高效的管理软件,可实现多制式融合、数据价值融合、数据生命周期融合以及多厂商设备融合,开启新一轮存储创新先河,为客户提供面向未来的存储解决方案。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。