[中国,深圳,2022年11月8日] 在华为全联接大会2022上,华为与HashData联合发布了云原生数仓存储解决方案。华为OceanStor Pacific分布式存储为HashData云原生数据仓库构建多云架构下的数据全局共享、云上云下能力一致的数仓存储底座,将企业级存储能力融入到私有云和公有云,双方联合为企业提供面向多云、生态开放的专业数据服务平台。
当前,越来越多企业采用私有云和公有云混合模式部署业务,根据应用类型、数据安全等要求,将不同的数据和应用部署在多个数据中心或云上。带来如下业务挑战:
多样化的应用场景产生海量非结构化数据,传统数仓架构无法应对业务潮汐弹性扩展、千万级查询次数每天和跨站点高可用性需求。
同时,在新的多云建设趋势下,云上云下应用种类多,数据分散在不同区域,难以实现跨区域跨云数据共享与分析。
HashData CEO简丽荣表示,“华为和HashData推出的云原生数仓存储解决方案,实现云上云下的数据高效共享,免去数据在多云间的迁移,为跨多云数据分析提供随时随地的数据访问服务。另外,基于华为OceanStor Pacific分布式存储的跨站点容灾、海量小对象加速、大小IO负载均衡、热温冷数据分级等企业级存储特性,实现百万级表复杂查询分析、百亿小对象高速访问和多数据中心容灾等,满足企业大规模数据分析和业务连续性诉求。”
华为存储积极联合PaaS和SaaS伙伴共建开放多云生态,打破多云间数据孤岛,推动和引领云上云下的技术融合,助力和加速企业数字化转型和智能升级,释放数据价值。
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。