2020年7月15日,北京——今日,Hitachi公司旗下数字基础架构和解决方案公司Hitachi Vantara宣布推出全新的分布式文件系统和管理解决方案,旨在帮助客户更加快速地访问包括邮件、文档、健康记录、音频、视频和图像等在内的非结构化数据,并从中获得洞察。
这一全新的解决方案将由Hitachi Vantara和WekaIO(Weka)合作提供。Weka是针对数据密集型应用的高性能、可扩展文件存储的创新领导者。同时,Hitachi Vantara还宣布了对Hitachi Content Platform(HCP)的全新扩展,HCP的云对象存储软件解决方案将用于连接数据生产者、用户、应用程序和设备。HCP的这些更新将更好地支持新一代非结构化工作负载。
Hitachi Vantara与Weka的OEM合作将会以高性能、NVMe原生、并行的文件系统增强Hitachi Vantara的产品组合,这一文件系统将会与HCP数据存储紧密耦合。此种高性能的网络附加存储(NAS)解决方案能广泛适用于各行各业的人工智能、机器学习和分析应用程序。
HCP的此次功能扩展采用性能优化的全闪存HCP节点,可更好地支持新一代非结构化数据工作负载。这些增强的功能可帮助客户在Amazon Simple Storage Service(S3)协议上实现与以往相比3.4倍的吞吐率,并降低多达34%的成本。
更新后的存储节点将读写的性能提升了三倍,同时在与上一代产品相同的机架空间中实现了三倍的容量提升——这一点至关重要——为了满足高性能需求,企业组织正将其传统NAS存储、主要工作负载和云原生工作负载不断迁移到对象存储。
新的HCP扩展还可帮助客户更快地将数据转化为业务洞察,利用非结构化数据中衍生出的数据增加营收,同时不断改善应用程序的性能表现,为最终用户带来更好的数字化体验。
Hitachi Vantara数字基础架构总裁Brian Householder表示:“越来越多致力于转变为‘数据驱动型’的组织和公司开始认识到,其从急剧增长的海量非结构化数据获取价值的必要性,以期为他们带来强大的竞争优势。通过大幅提升客户访问和连接数据时的性能表现,Hitachi Vantara正帮助客户最大程度地发挥他们的基础架构优势,以更快速、准确地进行决策。”
随着工作负载的大小和类型发生根本性的改变,企业组织不仅需要聚焦于扩展存储解决方案,还需要满足性能要求。例如,对于一家典型的《财富》 500强公司而言,事实上,数据可访问性仅增加10%,即可带来超过6,500万美元的额外净收入。
日前,Hitachi Vantara已经通过一家金融服务行业客户验证了HCP新的性能优势。该客户需要为其交易量繁重的核心银行应用配备更高性能的存储解决方案,该应用服务于全球超过5,000万的消费者和小型企业客户。在该项目中,只有HCP的全闪存配置满足了客户所需的性能和安全性的解决方案。数据显示,与公司现有的传统对象存储解决方案相比,HCP的全闪存配置实现了高达300%的总体性能提升,其中部分工作任务甚至取得了1200%的性能提升。
与此同时,另一家工业领域的客户也寻求Hitachi Vantara的解决方案来处理其日益增长的制造、销售和分销的数据,这些数据已经让该公司的存储基础架构达到临界点。HCP成功帮助该公司将应用程序的响应速度提升了500%,并让该客户能够在一个中央对象存储池中,管理大量不同来源、多种格式的非结构化数据。
IDC基础架构系统研究总监Amita Potnis表示:“CIO和IT专业人员们不再仅仅是为了合规性、归档、次级存储或冷数据存储而选择对象存储。如今,他们开始考虑使用对象存储来支持更多新的使用场景和高性能工作负载。他们也寄希望于通过分布式文件解决方案来满足规模和性能等方面的需求,以进一步支持高性能计算、实时分析和AI等。”
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。