Google Cloud今天宣布Filestore High Scale的Beta版全面上市,这是一个新的文件存储层,为运行高性能计算工作负载的客户新增了横向扩展存储功能。
Filestore High Scale被认为是Google Cloud Filestore服务发展的下一阶段,整合了谷歌去年7月以2亿美元收购数据存储初创公司Elastifile所获得的功能,其部署的共享文件系统让用户拥有数百TB的存储容量,并可以实现每秒吞吐量数十GB,IOPS达数十万次。
谷歌产品经理Tad Hunt和Allon Cohen在发布这一消息的博客文章中写道:“无论是迁移传统应用,使用Kubernetes对现有应用进行现代化改造,还是通过扩展满足大型计算工作负载的性能要求,Filestore现在都可以轻松应对这些挑战。”
已经有早期用户在使用Filestore High Scale了。哈佛医学院瓦格纳实验室博士后研究员Christoph Gorgulla使用该服务启动了一个名为VirtualFlow的虚拟筛查程序,用于发现COVID-19的潜在治疗方法。Gorgulla解释说,这个程序让他所在的实验室能够在药物发现过程中,针对目标蛋白质测试数十亿个小分子,速度比传统方法要快得多。
Gorgulla说:“我们需要这样一个文件系统,可以处理配置了数万个vCPU的数千个客户端同时生成的负载。大多数Filestore设置都是自动化的,我们可以即时扩展容量,可以通过简单的图形界面主动监控工作流的速度。VirtualFlow可以大大缩短了发现药物和治疗措施所需的时间,有望更快地开发出针对COVID-19和其他疾病的疗法。”
谷歌表示,Filestore High Scale横向扩展存储还适用于电子设计自动化、财务建模、基因组学和视频处理等工作负载。
Hunt和Cohen写道:“文件存储是高性能计算应用的一个关键组成部分,而Filestore High Scale能够满足这些需求,包括在云中横向扩展文件存储的可预测性能,按需扩展和缩减文件系统的能力。了解你所需性能水平的相关成本之后,就可以更轻松地设计出解决方案并根据不断变化的工作负载需求进行优化。”
他们说,Filestore High Scale作为完全托管的云服务,最大的特点是易于使用,只需单击几下即可启动实例,并通过Google Cloud或API调用实现自动管理。该服务还可以与Google Cloud Monitoring配合使用,监视文件系统的运行状况,还可以集成各种工作负载管理调度系统。此外谷歌还增加了新的访问控制功能,以满足更高级别的安全要求。
Constellation Research分析师Holger Mueller认为,高性能计算应用需要可扩展的存储解决方案,这种解决方案必须能够随时服务和存储运行所需的大量数据。
他说:“谷歌通过Filestore High Scale产品提高了高性能存储能力,而且很高兴看到这个产品已经给COVID-19相关研究产生了影响,也很高兴看到谷歌对Elastifile的收购取得了成果。”
好文章,需要你的鼓励
随着AI技术不断发展,交通运输行业正迎来重大变革。MIT研究显示,AI将很快自动化价值650亿美元的交通工作,大幅提升运输效率。从陆地到海空,AI正在推动全方位的交通创新。斯坦福专家强调,AI将通过基础模型、合成数据和数字孪生等技术,实现从单一车辆自动化到整个交通网络优化的跨越式发展,同时解决可持续性、安全性和公平性等关键挑战。
香港科技大学团队发表重要研究,开发GIR-Bench测试基准评估统一多模态AI模型的推理与生成能力。研究发现即使最先进的AI模型在理解与生成之间也存在显著差距,无法有效将推理过程转化为准确的视觉生成,为AI行业发展提供重要警示。
波兰研究团队开发ORCA数学基准测试,对五个主流大语言模型进行评估。结果显示ChatGPT-5、Gemini 2.5 Flash、Claude Sonnet 4.5、Grok 4和DeepSeek V3.2的准确率均低于63%。测试涵盖生物化学、工程建筑、金融经济等七个领域的500道数学题目。研究发现模型主要在四舍五入和计算错误方面存在问题,表明自然语言推理进步并未直接转化为可靠的计算能力。
Meta超级智能实验室联合麻省理工学院开发了SPG三明治策略梯度方法,专门解决扩散语言模型强化学习训练中的技术难题。该方法通过上下界策略为AI模型提供精确的奖惩反馈机制,在数学和逻辑推理任务上实现了显著性能提升,为AI写作助手的智能化发展提供了新的技术路径。