IBM的企业全闪存存储产品线相当强大,特别是拥有着引人注目的数据保护与网络弹性功能。但整个体系内唯一的短板,就是入门级FlashSystem 5000系列始终缺少安全和弹性设计的涵盖。
如今这最后一块拼图终于被补齐。IBM发布了新的入门级FlashSystem 5045以取代现有FlashSystem 5035,同时巩固了IBM在整个FlashSystem产品组合中的数据保护能力。
IBM FlashSystem 5045版的核心为一系列广泛的功能设计,其共同为IBM的这款入门级闪存存储方案带来了更强大的数据保护与网络弹性。这些新功能可以帮助IT部门降低因数据受损问题(无论出于意外还是恶意)造成业务中断的风险。
数据保护的起点在于可靠的业务实践与安全策略,这也是限制恶意黑客造成危害的核心手段。与此同时,安全策略的强度则取决于策略执行制度。考虑到这一点,IBM在其FlashSystem 5045中引入了多因素身份验证(MFA)、基于角色的访问控制(RBAC)和双人完整性设计。
其中多因素身份验证和基于角色的访问控制在企业IT场景下并不难理解,将这两项功能引入FlashSystem也极具现实意义。IBM的双人完整性设计在存储产品中倒是不太常见,这个选项要求在执行删除、加密或数据复制等关键功能操作时,必须由两位独立用户向IT管理员提出申请方可进行。我非常喜欢这种设计。
不可变快照是现代数据保护工作中的核心,允许存储管理员创建出无法变更的数据副本。IBM通过受保护副本(SGC)将不可变副本引入了FlashSystem 5045。SGC支持隐藏且不可寻址的不可变隔离数据副本。这些副本不可变量、不可加密也不可删除,因此能够在发生攻击或数据损坏事件时实现快速还原。
IBM的Safeguarded Copy则使得FlashSystem 5045能够运用IBM的FlashSystem Cyber Vault产品。IBM的FlashSystem Cyber Vault能够自动扫描受SGC保护的数据,从中找出可能因恶意软件或勒索软件侵入所引发的数据损坏迹象。除了发现攻击痕迹之外,Cyber Vault还能帮助确定哪些数据副本未受影响。由于受保护的副本仍然驻留在存储阵列上,FlashSystem Cyber Vault的存在能够将恢复周期从之前的几天缩短到几个小时。Safeguarded Copy和FlashSystem Cyber Vault的组合无疑将给用户带来强大的功能提升。
除了这些新功能之外,IBM在系统基础价格中还包含了FlashCopy 2.0、远程镜像、Easy Tier和静态数据加密等功能,同时为FlashSystem 5045准备了IBM Storage Expert Care售后服务支持。
在入门级存储产品中,数据保护往往被视为事后措施。供应商一般会提供额外的软件选项来弥补功能缺失,而这显然会给IT管理员带来不必要的成本和复杂性。
很高兴看到IBM将其FlashSystem产品组合中的高级数据保护和网络弹性功能引入入门级设备。新的产品设置有助于缓解因用户失误、恶意破坏或勒索软件攻击所造成的业务中断和财务损失。特别是在当下这个全体IT管理员都将网络威胁视为头等大事的时代,蓝色巨人的探索和尝试无疑具有积极意义。
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。