数据存储厂商NetApp近日宣布推出新的存储计划组合和适用于现代数据中心的闪存产品线。
新的存储计划组合NetApp Advance旨在帮助客户经济高效地构建面向未来的本地环境。据称,该服务可以让企业组织避免复杂的、昂贵且耗时的更新周期,从而改进存储生命周期,它通过支持持续、无中断的硬件升级,确保存储的高效、安全和可持续性,以满足组织的需求。
NetApp Advance有助于避免复杂的、耗时且成本高昂的升级周期,同时与技术创新保持同步。NetApp表示,用户可以选择本地环境或者云存储,以适应面向未来的环境,随着他们的不断发展进行安全、无缝和无中断的扩展。
NetApp Advance还提供了网络弹性、可持续性和效率方面的最佳实践和功能,以不断提高能源效率和运营绩效。NetApp表示,除了减少碳足迹之外,NetApp Advance还有助于防止勒索软件事件,同时提供专业的知识,以便在勒索软件攻击发生时快速安全地恢复数据。
NetApp还推出了新的NetApp Storage Lifecycle Program,作为NetApp Advance其中一个组成部分。该计划每三年、四年或者五年为最新的存储控制器技术提供无额外成本和无中断升级。
用户可以选择在三年续订期之前仅以增量成本升级控制器。可选的容量更新,还让客户能够在存储更新的过程中更换低容量驱动器,从而不必每次购买相同的容量,并且可以实现更高效和可持续的数据中心空间。
闪存存储
在闪存存储方面,NetApp发布了AFF C系列全闪存QLC存储选项和NetApp AFF A150——AFF A系列全闪存系统中的一款全新入门级存储系统。
新的NetApp AFF C系列提供了高容量闪存性能,同时保持成本效益和效率,从而降低总拥有成本和更小的存储空间。客户可以根据他们的工作负载和数据库要求,选择合适的存储(性能型闪存、容量型闪存或者是混合型闪存)来实现数据中心的现代化,所有这些都是在运行在NetApp ONTAP上并由NetApp BlueXP集中管理的。
新的NetApp AFF C系列包括AFF C250、AFF C400和AFF C800,可以提供有保证的存储效率,以改善组织的存储空间和能源成本,从而降低总体拥有成本,同时简化操作。该系列提供了本地可扩展性,使组织能够随着数据的增长扩展容量和性能,并防止勒索软件攻击保护数据安全。
新的NetApp AFF A150专为远程工作而设计,可以分布式部署以更好地满足需要入门级企业级存储客户的需求,优点包括更好的性能、可扩展性、扩展选项以及支持MetroCluster IP的高可用性。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。