Pure Storage今天宣布推出基于QLC闪存(是一种尚未在数据中心广泛部署的固态内存)的FlashArray//C存储系统升级版。
该系统旨在取代传统的混合阵列——一种结合了闪存和磁盘存储的、被广泛使用的存储系统。Pure Storage认为,这种硬件可以帮助企业更有效地运行Tier 2工作负载,例如通常部署在混合阵列上的备份应用。
Tier 2工作负载是对企业运营至关重要的一系列服务,但无需运行在数据中心速度最快的硬件系统赶上,FlashArray//C正是专门为此类应用设计的。Pure Storage最初设计的FlashArray//C使用的就是QLC,但去年发布的时候是不可用的,当时Pure Storage承诺会在2020年增加对QLC的支持。
QLC闪存中的Quad-Level Cell的缩写。所有闪存芯片都是由硅单元构成的,这些单元以电荷的形式存储数据,对应1和0,一个单元中可以存储的数据量,取决于能够保存多少个所谓的电荷状态。QLC闪存的每个单元中可以保存16个电荷状态,是目前能够批量生产的容量最高的固态内存。
但QLC芯片也有某些缺点,使其速度要慢于数据中心中采用的其他主流闪存。不过,QLC的高容量使其更适合于各种存储密集型Tier 2工作负载,包括备份、商业智能和许多通用计算任务,这些都是Pure Storage有望通过此次升级FlashArray//C系统瞄准的使用场景。
Pure Storage表示,FlashArray//C是业界第一个可以完全满配QLC闪存的存储系统。客户可以选择两个QLC模块:一个24.7 TB的模块和一个密度更大的49 TB模块,Pure Storage称,这是目前市场上的最高容量。而且,FlashArray//C阵列可容纳多个模块。
Pure Storage表示,该系统可以降低运行Tier 2工作负载的成本,“淘汰”掉用于此类应用的传统混合闪存和磁盘阵列。企业之所以选择混合阵列,是因为磁盘比闪存更便宜,混合在一起的系统成本效益总体上要高于全闪存系统。
但是在适当的价格点上,全闪存系统具有性能更高的优势。Pure Storage表示,FlashArray//C打消了客户使用外部厂商混合阵列的需求,从而简化了数据中心的维护流程。现在,他们可以将Pure Storage硬件用于运行关键任务和Tier 2工作负载,这会将降低维护两组完全独立的存储基础设施的复杂性。
好文章,需要你的鼓励
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。