当前AI市场炒得火热,越来越多的企业加入到人工智能的行列,让智能化应用提升企业与用户的竞争力,开拓更广阔的业务领域,例如:智能监控、人脸识别、智慧小区、智慧校园等等,可以说 AI智能化的大潮已经极速来袭。
Infortrend 根据市场需求推出了AI与存储融合一体化设备-GSi系列存储,GSi一套系统集成了文件存储、块存储,打通云端。并与机器学习硬件以及相关套件融合,不需要再单独购买计算节点,一台GSi就可以满足用户对于海量数据的存储管理需求,同时也满足AI机器学习中所需的超强计算能力。
高度集成的架构设计,无缝对接存储与机器学习应用程序。在Infortrend GSi存储的centOS 操作系统之上配有Docker 的设计,将深度学习软件(例如:TensorFlow, Caffe, Caffe2, Theano等)通过Docker的方式部署在GSi存储上,满足AI 所需的机器学习框架。并且内置NVIDIA GPU 卡支持CUDA 计算加速,来提供超强的浮点计算。
由于架构的高度集成,所以磁盘阵列的数据传输到计算单元进行计算时,我们不需要担心网络的延迟。对于传统的网络架构而言,存储中的数据需要通过网络交换机传输到计算节点或者计算服务器进行计算,在这中间必然会存在一些网络延迟,而EonStor GSi 是通过内部的PCI-E总线进行数据传输,所有的传输过程都在一个设备当中进行,不会出现网络延迟的情况,而影响用户业务的正常运转。

另外Infortrend EonStor GSi也对接云存储,通过内部独有的智能算法,数据可以在infortrend GSi 与云端之间合理分配, 将该系列存储的高性能和安全性发挥到极致,使本地存储与云完全融合,有效弥补了独立的本地存储与独立云存储的不足,广泛支持各种OpenStack与公有云服务(例如,阿里云、Amazon,Azure,Google等),不仅可以应对后期因业务增长带来的空间需求,也可以利用云计算处理更深层面的数据分析。
具备全方位的云集成功能,通过数据压缩、重复数据删除等功能来减少数据对云空间以及传输带宽的占用。其中,云同步功能在实现跨站点文件共享与同步的同时,可以作为理想的备份与灾难恢复方案;云缓存模式提供访问云端如本地端一样快捷的体验。
全方位的数据保护功能,通过快照、卷复制、镜像、云集成等方式实现数据的备份。通过256位AES 加密保护,防止数据外泄;SSL 加密技术可以保证敏感数据向云端传送过程中的安全。
伴随着云计算、大数据等技术的趋于成熟,几乎所有的行业都在尝试通过人工智能AI 的方法来改变传统的工作方式,提高工作效率。下面Infortrend列举了几类可应用GSi的场景:
智慧小区
我们通过Docker 轻量级的虚拟化技术将人脸识别系统部署在我们的存储上,而Infortrend GSi 本身内置强大的NVIDIA GPU 卡为人脸识别分析以及身份验证提供超强的计算能力,以便完成实时数据分析,有效解决刷卡进门的麻烦。当然,还可以通过Infortrend GSi 设备集成的云功能共享数据,即便我们身处异地,可以在手机APP上实时查看小区内部情况。实现社区安防系统的升级,提高小区内部的安全性,减少社区安全管理对人员的依赖,提升物业管理水平和服务效率,建设一个安全、和谐、信息管理智能化的高端小区。

广电行业
加入AI人工智能后,能够对视频、图片等媒资文件进行数据分析、辨识,我们只要对视频、图片中的某一个物体进行搜索即可快速定位到目标文件。使查找变得更轻松、更高效。
医疗影片的智能分析
依靠海量医疗数据与AI算法发现病症规律,从而为医生诊断和治疗提供参考意见;也可以利用算法对基因数据进行分析,对疾病风险进行预测。
自动驾驶
在汽车行业AI的焦点莫过于自动驾驶,通过嵌入AI机器学习的算法,通过大量的交通与行驶数据不断地自我学习,修复并提高安全性和效率。
在学校以及科研单位中运行的应用程序通常需要高性能计算,例如基于MATLAB 建模、矩阵运算、信号处理,以及深度学习的训练等等。针对这些应用,Infortrend GSi 不仅可以提供高性能计算,也为大量的计算数据提供存储空间,不需要复杂的网络架构,部署起来简单、高效。
通过AI智能机器分析客户数据,提高审批效率,把控金融风险。例如银行审核企业贷款或者个人消费贷款时,可以利用人工智能对贷款的风险进行控制、决策。人工智能也可以广泛快速地收集信息,在海量数据中筛选有用信息,并综合判断被审核人的信用情况和还款能力。另外,在投资领域,通过人工智能系统分析大量的股票交易数据,让机器帮助人选择更优的投资股票。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。