7月8日,紫光股份旗下新华三集团以“智以致用·速达未来”为主题,在京召开“2021新华三存储新品发布会”,重磅推出云智原生的新一代端到端NVMe闪存存储H3C/HPE Alletra、分布式融合存储H3C UniStor X10000,以及全新升级的智慧中枢数据平台。

新华三集团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,基于“云智原生”战略,新华三智能存储将云和智能变成内生能力,以Alletra系列存储、X10000全闪节点和智慧中枢数据平台为代表的全新存储软硬件产品,让用户获得极致的速度、智能的应用和云一般的体验,强力赋能用户的数据治理。

徐润安分享云智原生时代新华三的智能存储战略
全NVMe智能闪存Alletra 加速释放数据潜能
Alletra系列存储轻松化解数据爆炸性增长、管理复杂性和数据即时访问及分析的挑战。

原生智慧存储Alletra为云而生
智能驱动——Alletra系列存储实现了端到端的智能覆盖。存储可以自主进行实时的容量分析,预测性能发展趋势,检查健康状况等,根据当下存储的情况实现可用性预测、自动预警、健康预警等,从而准确发现性能瓶颈和故障根因,以智能实现存储可用性管理。
为云而生——Alletra打破数据壁垒,消除时间地点限制,让数据和应用在不同设备、云端及本地数据中心间无缝流动,并实现统一部署和管理,统一资源及任务分发,实现云化的服务模式和体验。
端到端NVMe——基于端到端NVMe架构,Alletra系列存储实现了对前端及后端 NVMeoF互连、NVMe SSD 及NVMe SCM的支持;同时,Alletra将CASL、数十项缓存优化专利算法与SCM结合,带来读写时延的进一步降低,让性能提升最高300%,充分释放存储性能。
博科中国区总经理竺宏表示:“作为全球领先的光纤通道解决方案提供商,博科专为NVMe存储量身打造的NVMe over FC与Alletra系列存储相结合,赋能打通存储网络,能够为用户带来真正端到端的性能提升。NVMe over FC能够以硬件无损、平滑、可靠且灵活的高性能连接方式,无缝的与现有网络共存,最大程度上保护客户投资。此外,博科第七代光纤通道平台还能为企业提供智能、自治的存储网络环境,加速释放企业数据中心的更大潜能,为数字原生时代的企业业务创新赋能。”
NVMe+SCM极致性能 X10000引领布式存储变革
新华三集团推出国内首个NVMe+SCM分布式H3C UniStor X10000全闪节点。在强大的性能、全融合架构、高数据效率的加持下,X10000可以提供全场景的存储解决方案,通过复制、双活提供全面的同城和异地容灾方案,保证数据可靠性和业务连续性。

X10000分布式融合存储提升数据价值
极致性能——X10000全闪节点利用SCM存储级内存和NVMe协议的组合,实现了单节点15万IOPS,对比SATA SSD提升了3.3倍,创造出分布式全闪的极致性能。
融合架构——延续全融合架构基础,X10000全闪节点提供iSCSI、NFS、CIFS、HDFS、S3等存储协议和容器CSI接口。
降本增效——为提升数据效率,X10000全闪节点支持全局的IO级重复数据删除和数据压缩,在保证业务读写性能的情况下,提供3:1的数据压缩率,满足虚拟化、VDI等场景下对海量数据的存储需要。
全局智慧中枢 领航存储未来演进
随着数字化变革的深入,用户对存储性能、可用性、使用体验提出了全新要求。对此,新华三集团在不断推进硬件产品创新的基础上,实现了智慧中枢数据平台关键能力的进化,将更大、更广义的智能赋予存储运维管理,有效支撑用户在业务不同阶段的技术创新:
全局智能——智慧中枢数据平台构建全局智能,主动感知全球每一台接入存储的状态,提供监测、管理、分发、部署、升级等服务,并针对业务风险提前发出预警,构建全局化、可视化的管理模式,实现接入存储业务能力的全面提升。
AI加速——用户不会再为底层硬件所困扰,只需关注自身需求。智慧中枢数据平台在了解用户对容量、性能等方面的需求后,能够智能化的匹配相应存储资源,从而为应用运行提供专业加速,最大限度的规避性能瓶颈的发生。
按需订阅——用户可以以商业许可的形式获取存储资源。随着业务的变化,用户可以像使用、管理公有云一般,灵活增加或者减少存储资源的使用量,提升不同场景下的存储利用率,让存储资源的价值得到最大化。

智慧中枢数据平台让存储管理化繁为简
Alletra系列存储、X10000全闪节点和智慧中枢数据平台,充分满足了用户对更敏捷的存储响应与极致性能的需求,实现数据从边缘到云的打通和统一管理,为智能决策与大数据分析提供专业数据支持。面对数字化转型的不断加快,新华三集团将继续推动“云智原生”战略的落地,以更加完善的云智原生数字基础设施和数据服务为业务创新带来强大赋能,开启数字化崭新未来。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。