8月8日,紫光集团旗下新华三集团(以下简称新华三)以“天生极智·闪耀未来”为主题在天津正式发布全新一代关键业务智能存储系统Primera。
全新的Primera存储系统不仅实现了存储介质从HDD到SSD的质变,更做到了前所未有的100% SLA。而通过存储协议、互联架构、控制器、OS和应用层面的创新,Primera也实现了在性能、体验和感知层面的全面超越,成为新时代核心存储产品的代表。
新华三集团副总裁、计算存储产品线总裁陈振宽
新华三集团副总裁、计算存储产品线总裁陈振宽表示:“新华三在2019年的领航者峰会上提出了数字大脑计划,全面构建智能数字平台这一数字化转型的核心基石, IT基础设施要首先做好智能化工作。新华三强调的‘智能’IT基础设施,是把智能管理能力融入到整个IT基础架构,通过一次又一次的产品迭代向内生智能的方向演进。以Primera为代表的全新硬件产品也将成为新华三数字大脑计划中数字基础设施层面的坚实支撑。”
基于在软硬件设计上全面采用新技术、新架构,新华三全新的关键业务智能存储系统采用新的名称——Primera。
新华三关键业务智能存储系统Primera
新名称之下,则是Primera的全新内核:
在存储介质的选择上,Primera全面转向性能更高的SSD闪存介质,对应的存储协议也从之前的SAS升级为延迟更低的NVMe。
同时,凭借全新设计的控制器及互联架构,Primera也能够实现IO性能随节点数量而线性增长,能够满足企业关键业务对数据库等存储性能的超高需求。通过存储介质与整体系统架构升级,Primera带来122%的性能提升。
Primera还提供了包括横向扩展和纵向扩展在内的多种无需停机的升级方案,以满足不同用户的现实应用需求。同时,借助新一代全互联架构控制器,只要节点中的任意一个仍旧在线,整套存储系统便不会中断。
在数据及应用的管理层面,通过先进且成熟的AI技术,Primera不仅能够实现对物理设备运行情况的感知,更可以对存储设备之上的网络、服务器、虚拟机等组件进行探测,从而降低整个IT系统中发生存储故障的概率,实现100%系统可用性。
在硬件全面进化的基础之上,Primera还完全重构了存储的软件功能,将过去环环相扣、层层嵌套的存储功能彻底拆分为相互独立的数据服务,从而实现无需重启且方便灵活的升级与维护。进而实现更高维度的自我运维、自我管理,降低用户在核心存储上的使用成本和TCO。
此外,Primera还可以根据用户的使用习惯、应用策略及业务情况自动决定数据应该存储在私有云还是公有云上,从而实现灵活性、成本、效能之间的全面平衡。经过实际测试,新一代Primera能够将用户花在升部署、管理及升级上的时间成本降低93%。
技术与架构上的创新让Primera开创了智能时代闪存新纪元,同时也进一步夯实了新华三的数字基础设施,是新华三推进百行百业用户数字化转型的新引擎。
新华三计算存储产品线副总裁、存储产品线总经理兼首席产品经理徐润安
在本次发布会上,新华三计算存储产品线副总裁、存储产品线总经理兼首席产品经理徐润安表示:“智能技术与存储的融合大幅降低了数据管理的成本和复杂度,并将进一步推动存储在性能、功能及应用体验上的全面升级。新华三存储新常态战略的首要关注点就是‘智能’,致力于以主动优化和故障防御能力让存储具备更强的免疫力。在引入智能管理的基础上,Primera可实现即时数据访问和分钟级部署,并进一步加速与混合云应用的全面融合,以服务为中心,面向未来的全新存储理念,为数据的高效管理和价值洞察构筑坚实基础。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。