随着信息技术的不断提升,举着纸质地图四顾茫然的景象难以再现。导航软件已经能够自动播报实时交通情况,随时提示发生事故的地点,智能优化驾驶路线,避免交通事故。各大地图App厂商的职能,也不再是简单地指出一条可以到达目的地的正确途径,而是根据消费者的出行方式加以变通,提供多元化便捷交通方案,以满足不同人群的需求。
导航系统依赖于大量实时变化的数据流,而这些数据正是由铺设的海量传感器收集,并通过人工智能(AI)加以处理,这就是智能数据将改变现有一切的有力佐证。智能数据不仅会改变消费者的一切,也会改变商业模式。随着非智能数据逐渐退出历史的舞台,企业无法像前几年那样对待数据了,对于智能数据平台的需求将更加迫切,以应对日益严峻的数据增长挑战,并希望借助智能数据平台,从数据中释放业务价值。
闪存时代落幕,智能存储登场
全球知名分析机构IDC的调查报告显示,到2025年,全球将生成175 ZB的数据,其中大部分的数据增长都将来自于物联网设备。在我们需要存储并应用海量数据的时代,将AI应用于存储显得尤为重要。
智能是存储管理的关键,存储超过 90%的问题,都可能需要数十万甚至上百万次模拟关联,这种人力不可为的处理方式,都将交由智能完成。这意味着物联网即将带来一场大规模的数据风暴,每家公司都需要顺应市场潮流,从边缘设备生成和收集数据,通过智能进行存储和计算,最终推动业务发展。
当然,智能数据只是起点,企业需要一种智能数据战略,通过打造智能存储平台,使数据始终保持可接入状态,快速运行,让开发人员能够通过公有云获得自动化、按需和自助服务体验。智能数据平台需要具有工作负载优化的自适应系统,具备数据移动性和工作负载移动性,并包含数据生命周期管理、混合开发、测试等功能。
HPE Primera:重新定义的关键业务存储新平台
2019年6月18日,HPE宣布推出Primera,以卓越的简化性、可用性和性能表现重新定义了关键业务存储。借助业界最先进的AI平台——HPE InfoSight进行操作,实现了多项重大突破,包括减少93%的存储管理时间,预测并预防故障的发生,以及大幅提升了应用性能。
智能存储,不止于快
HPE Primera可提供云的敏捷性,为企业带来随需应变的使用体验。该平台可以在几分钟内轻松完成设置、自我调整和升级,进而将部署、管理和扩展存储的时间减少了 93%,且能够保证100%的可用性。HPE Primera的保持在线能力久经验证,同时由HPE InfoSight提供支持,在应用于任何关键业务时,均能实现出众的速度和无间断的连续存储。
HPE Primera自带嵌入式AI引擎,实时显示是否存在资源争用问题,凭借智能和架构优势,帮助企业快速整合传统和现代化应用,即便是大规模整合也不在话下。此外,HPE Primera使HPE智能存储平台(Intelligent Data Platform)的一系列产品和解决方案更加先进。除提升了应用性能,改变了数据管理的方式,加强了所有云的敏捷性之外,还能实时解锁数据中的隐藏分析,推动业务发展。智能存储平台有效帮助客户利用智能数据,完成从交付存储到解锁业务价值的转变。
颠覆存储体验,拥抱智能未来
每个企业或组织都有着对其业务至关重要的工作负载。这些关键业务工作负载是发掘创新、抢占先机并最终突破现状的关键所在。但是,涉及到进行配置、故障排除和基础设施支持等多方面的复杂工作,IT很难同时满足现有关键业务应用和新的关键任务应用需求,因此,企业不得不选择以牺牲恢复能力为代价换取敏捷性。
鱼和熊掌可以兼得吗?HPE Primera在智能存储时代交出了满意的答卷:告别传统存储的复杂性和隐藏的额外成本,拥抱100%可用性保证,提高用户对关键业务存储的期待;告别屡见不鲜的宕机事件,拥抱为不可预测的应用工作负载提供可预测的性能;告别耗费在管理和升级存储系统上的大量资金与时间,拥抱自助安装,自助调试,自动升级,简化的管理体验,赋予关键业务存储以简单的、消费级用户体验。
智能的时代已经来临,HPE Primera还将带来多少意想不到的惊喜?让我们拭目以待。
新华三是HPE®品牌的服务器、存储和相关技术服务的中国独家提供商。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。