大兆极存(Bigtera)即将发布全新版本软件定义存储产品VirtualStor Scaler 8.3。VirtualStor Scaler是企业级软件定义的分布式存储系统,可由单一系统提供对象、文件系统、块多种方式访问,让企业更易于汇聚、整合与优化海量数据资源。大兆极存(Bigtera)经历长时间研发所淬炼而成的VirtualStor Scaler8.3,针对文件存储、对象存储等功能多项强化,推出「防范勒索病毒」、「数据自动分层」、「数据透通」、「小对象合并」等四大亮点新功能,特别适用于海量数据、AI训练、媒体编辑、混合云等场景需求,具有高性能、高效率、高可用性、高安全保障及高度灵活性等。
■ 防范勒索病毒: VirtualStor Scaler8.3支持完整的数据生命周期管理机制,足以协助企业建立多层次的勒索病毒防范架构。第一,可通过「数据透通」功能,将NFS或CIFS系统当中的档案存储为对象,便于针对编修过程实施版本控管(S3 Versioning),纵使企业遭到勒索加密攻击,也可还原至前一份正常版本。第二,透过单写多读(WORM)保护功能的启用,确保写入的档案没有更改空间,让勒索病毒无法执行加密。第三,由VirtualStor Scaler8.3所支持的数据自动分层技术,将冷数据归档到蓝光设备进行永久封存;或者启用异地复制功能,在总公司、分支办公室两点之间进行数据异地复制。两种途径,都能协助企业打造灾难复原的最后一道防线。
■ 数据自动分层: VirtualStor Scaler 8.3支持两种数据自动分层技术。以档案自动分层为例,企业可自行定义全快闪、混合、硬盘、蓝光等不同层级的存储池,将经常需要存取的热数据存放于访问速度最快的全快闪池,随着数据变冷、再逐步分层到相对低速、低成本的存储池,最终归档至蓝光设备永久封存。而对象自动分层亦是类似原理,可以让于企业依据存取策略,自动与公有云进行数据分层管理,降低长期存储总体成本,并提升数据存放的安全性。
■ 资料透通: 传统系统通常仅兼容NFS或CIFS等传统档案协议,如果企业想要结合云端应用,例如透过S3协议将数据分层到云端,便无法实现。然而一旦利用VirtualStor Scaler 8.3的数据透通功能,既可以容许传统应用服务继续沿用既有协议,又可以将最终数据存储为对象,兼容于S3对象平台。
■ 小对象合并: 综观许多对象应用情境,通常都有多达数亿个小档案一直被使用,容易制造零碎空间、形成存储资源的浪费;VirtualStor Scaler 8.3提供小对象合并功能,把零碎数据组合成大对象,一方面能够提升存储空间利用率,二方面也可促使存储效能大幅提升。
VirtualStor Scaler8.3去中心化的架构能避免效能瓶颈,适用于海量数据存储,同时支持利旧纳管,旧设备不需淘汰报废,大大提升设备有效利用率。此外,更汇集多项独特优势,尤其是新增的四大亮点功能,能协助企业打造高效、高可用、高灵活性的存储系统,进而朝向数字创新目标加速前进。
VirtualStor Scaler 8.3主要特色如下:
另外9月14日,在深圳华侨城洲际大酒店大兆极存将参加中国闪存市场峰会,期间在现场会展示全新的极速全闪存存储阵列产品欢迎参会人员到场交流。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。