数字化时代背景下的企业竞争,决胜关键是往往是快速发展。谁的决策速度与执行速度快、谁就能跻身市场赢家。因此为了追求极致效能,近年愈来愈多企业斥巨资引进国际品牌的 NVMe 全闪存存储(AFA),希望由此更加快速得推动数字化发展的进程。
NVMe快速发展 大兆极存全闪存产品抢先机
去年,随着行业内全球前五大存储系统商竞相推出「All NVMe」AFA 产品,让 NVMe 名词转趋热门。然而什么是NVMe呢?并非换一张卡就可称之 All NVMe,需要从客户端、AFA 服务器端一路到存储媒介端,全程走 NVMe 传输协议,其间没有协议转换,才能算正统 All NVMe 架构,使性能提升到最高、延迟降至最低。
大兆极存紧跟国际潮流经过几年的产品技术研发率先发力 AFA,直接投入最新的 NVMe架构,不走搭载 SATA/SAS SSD 的旧架构,孕育 出全新的VirtualStor® FlashGo产品以及解决方案。

VirtualStor® FlashGo有FlashGo/S, FlashGo/E与FlsahGo/P三种型号,前两者为2U机箱,定位是入门机型,后者则为2U+2U机箱,定位是高性能机型,都为双控制器,所采用的2U24 NVMe JBoF支持多组RAID,使用者可透过直连式NVMe进行纵向扩展。
自研操作系统 六大特点引领全闪存头部技术
操作系统部分,VirtualStor® FlashGo采用SIMOStor OS软件,除可达到数据减量目标外,相较于市场同类型产品的可使用容量多为60%,此平台则可达到70%,并具备灾难复原、实时数据压缩、实时重复数据删除功能,内部的VMware VAAI,可让主机将特定存储相关的服务卸载至存储系统,光纤通道则大幅提升传输速率,降低数据延迟。固态硬盘方面,搭载采用慧荣科技控制芯片的企业级 PCIe NVMe SSD,有2TB与4TB两种eTLC NAND可供选择,Smart Dual-Port可故障转移与SSD寿命预测两大功能,可优化存储设备的可用性。
VirtualStor® FlashGo总体上具有六大优势特点首先是高达1.2M的IOPS,大幅提升数据读写速度,;第二个特点是双节点控制器,通过此设计所打造出端对端纵向扩展与100Gb双网卡特色。第三数据减量,内建采用Fingerprint算法(SHA1)的重复数据删除引擎,以及采用lz4算法的压缩引擎。当数据输入时,系统会先找出重复数据并删除,再交由lz4算法压缩数据量,透过这两个算法引擎,数据可减量3:1;第四可将 SSD 分为四个 RAID 群组,每群组各有12个硬盘;第五自研的 SIMO RAID6 保护,在配置三或四个 RAID 组前提下,最多都能允许4颗SSD故障;第六可用性高,通过双节点控制器、双端口网络卡、备用电源等设计,可用性达 99.9999%;

除上述特色功能外,一般 AFA 产品普遍具备的存储功能、快照、克隆、快速克隆、远程复制、精简配置、完整配置、Volume QoS 等等功能,VirtualStor FlashGo 皆能完全支持。
全闪存阵列正在改变大型企业中大多数应用装配存储的方式。随着行业和网络环境的加速发展,数据与数据掌握能力已然成为企业抢占市场先机的关键,尽管和硬盘相比,全闪存阵列每TB的价格要高,但全闪存阵列性能显著提升意味着全闪存阵列提供了与以往有所不同的虚拟数据中心运作方式,企业和用户将体会到全闪存带来的便捷。大兆极存VirtualStor® FlashGo经过几年的沉淀已加入到全闪存发展的蓝海中,将会提供给企业和用户更多更专业的闪存解决方案,满足企业一站式采购需求。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。