IBM正在对数据存储服务进行一系列重大更改,近日宣布将把Red Hat存储产品和相关产品纳入IBM Storage存储部门下。
IBM表示,这么做的目的是在本地和云基础设施中提供更为一致的应用和数据存储体验,此举意义重大,因为IBM Spectrum Fusion数据管理软件将采用Red Hat OpenShift Data Foundation的存储技术作为新的基础层。
更有趣的是,开源的Red Hat Ceph Storage产品将转变为新的IBM Ceph存储产品。IBM表示,这创造一个统一的、软件定义的存储平台,能够更好地弥合数据中心和云计算提供商之间的架构鸿沟。
IBM表示,此举符合自身“生于云中,为云而生”的软件定义存储战略,该战略将基于共享的、安全的、云规模的解决方案,实现双向的应用和数据可移动性。
IBM系统存储部门总经理Denis Kennelly表示,这一转变旨在简化IBM和Red Hat的产品组合。他说:“我们把两个团队整合到一起,把产品集成到一起,将加速IBM混合云战略,同时保持对Red Hat客户和开源社区的承诺。”
IBM表示,这个转变对客户来说是极为有利的,因为客户将获得一系列更为一致的存储服务,这些服务可以跨裸机、虚拟化和容器化环境保持数据弹性、安全性和治理。更具体地说,IBM承诺客户,将在Red Hat OpenShift上运行基于容器的应用实现更统一的存储体验,并且能够使用现有基于Red Hat OpenShift Data Foundation的IBM Spectrum Fusion。IBM表示,这样做将为那些需要对数据进行块、文件和对象访问的OpenShift应用提供更高的性能、更大的规模和更多的自动化。
至于IBM Ceph,IBM表示,这将提供具有企业级规模和弹性的、更一致的混合云体验。
此外,通过IBM和Red Hat存储技术的统一化,客户将能够在IBM Spectrum Scale上构建单个数据湖库,将所有非结构化数据聚合到一个地方,从而缩短维护时间,减少数据移动和冗余,实现更高级别的模式管理和数据治理。
行业观察者一致认为,这些变化将使客户受益。Moor Insights & Strategy的Steve McDowell认为,此举很有意义,因为这将让IBM能够利用两家厂商的存储优势。
McDowell解释说,尽管IBM Spectrum被认为是最全面的数据管理平台之一,但它的诞生早于云原生技术的兴起,另一方面,Red Hat OpenShift从开发之初就是为支持云原生工作负载而生的。
McDowell说:“IBM正在推进Spectrum Fusion的发展以充分利用Red Hat的优势,并利用Red Hat存储软件作为IBM品牌产品向前发展的基础。对于IBM来说,将Red Hat的研发成果用于IBM更传统的专有系统是具有很大商业意义的,这也为IBM提供了一条可以更好满足容器化工作负载需求的简单路径。”
IDC分析师Ashish Nadkarni表示,两家厂商现在“在存储方面是对外统一发声的”,并最终实现了IBM在2019年收购Red Hat时提到的协同效应。
Nadkarni说:“这两个存储团队的合并,对于IT组织来说是很有利的,因为这将结合两者的最佳优势:行业领先的存储系统产品组合,以及行业领先的软件定义数据服务产品,这一计划使IBM和Red Hat能够简化他们的产品系列,将好处带给他们的客户。”
IBM还向Red Hat开源技术的用户保证,在今天发布公告之后,将继续全力为他们提供支持。在这一计划下,IBM将接管Red Hat成为Ceph Foundation基金会的主要赞助商,并与Red Hat团队一起继续推动创新和发展。IBM补充说,IBM Ceph和Red Hat OpenShift都将保持100%开源,继续遵循上游优先的开发模式。
McDowell表示,这一举措可能会让一些用户对Red Hat技术随着时间的推移变得更加专有的前景感到紧张。他说:“IBM自2019年收购Red Hat以来一直非常谨慎,把Red Hat开源业务和IBM品牌产品区隔开来,这是我们第一次看到IBM越过这条线,所以我们很自然地想知道这条线会变得多么模糊。”
尽管如此,McDowell表示,他倾向于相信IBM的承诺,因为IBM非常谨慎地把Red Hat的存储技术保持开源。
“Red Hat OpenShift Data Foundation和Ceph仍将一如既往地提供给用户,尽管发展无疑将更加强烈地受到IBM存储业务需求的指引,但总体而言,这对IBM及其客户来说是百利而无一害。这么做有很大的商业意义,对Red Hat现有的社区影响应该很小。”
IBM表示,第一个在IBM Ceph Storage和IBM Spectrum Fusion品牌下推出的存储解决方案将于2023年上半年推出,因此用户将有足够的时间来消化和适应这些变化。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。