在生机盎然的7月,新华三在北京召开“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。
在会后采访中,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,新华三此次发布的系列产品,希望真正打通AI与数据的关系,在为企业提供更高存储性能产品的同时,也借助智慧中枢平台让企业更加智能的管理数据,让用户获得极致的速度、智能的应用和云一般的体验。

面对智能世界的到来,面对海量数据的分析,新华三希望此次的新品能够为未来十年存储“即服务”做好基础准备。“在Alletra的平台上我们提供“即服务”的体验,不需要关心下面到底是Nimble还是Primera,希望10年以后让大家忘掉存储本身用户不用再去关心存储的技术,仅仅关注提供的存储服务即可。” 徐润安表示。
面向未来,智能中枢是关键
基于端到端NVMe架构的Alletra系列全闪存将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。业内首款分布式存储全闪节点H3C UniStor X10000,利用SCM存储级内存和NVMe协议的组合,提供极致的性能,以及全场景存储解决方案,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。

面向未来存储,新华三的智能中枢是关键。因为在万物互联时代,用户对存储性能、可用性、使用体验提出了全新要求。只有通过一个智慧中枢数据平台,才能将更大、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。
智慧中枢数据平台希望通过提供监测、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来构建全局智能,主动感知全球每一台接入存储的状态。
智能中枢一个亮点是,用户不会再为底层硬件所困扰,只需关注自身需求。
“智慧中枢引用的是像手机APP的概念模式,任何一个管理模块都可以看成是一款手机APP,你需要一个管理模块的时候可以灵活在智慧中枢里添加。比如说要管理Alletra的话,添加一个APP就实现了,我想在Alletra阵列之间去移动数据、需要添加其他的APP,这些管理工具看着是独立的APP,但底层是互通的。”新华三集团首席存储架构师张楠介绍到。
“更多是从上往下的业务逻辑,而不是像搭积木一样从下往上的思考问题,底层需要配置多少硬盘?数据存储在哪里?你不需要考虑这个,从上往下做这个事情。” 徐润安补充到,这样做的好处是是随着业务的变化,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。用户可以以商业许可的形式获取存储资源。
存储智能也适合二八原则
人工智能应用到存储的一个优势是,存储不再“背锅”。存储管理,看似代价很小的事件,但其实影响很大,新华三集团存储产品管理部部长张颖表示,目前80%的问题简单常见的问题仅需要20%的代价就能完成,而剩余20%的特别而且复杂的问题,需要80%的代价来完成。如何让AI引擎来分析和自动化助力20%的复杂问题,将大大释放运维时间和成本。

徐润安在采访中表示,新华三所做的是真正把智能应用于业务的核心,真正地找到问题所在,才能节约人们80%的时间,去解决那20%的复杂问题。“最花时间的是20%的复杂问题,要花掉用户80%的时间。这些问题不是那么容易解决的,我们的人工智能聚焦的是那20%的问题,但往往是这类问题需要花费客户80%的时间。”徐润安补充到。
在采访最后,张楠分享了新产品Alletra起名的趣事,首先是琅琅上口,其次希腊语中与electric-电有些相似。电闸一开一关,屋子就变亮了,就像新华三智慧中枢。通过一个开关,智慧中枢就帮你解决了,主要目的是让用户能记住这个名字。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。