2024年6月5日,北京 – 日立集团 (TSE: 6501) 旗下专注数据存储、基础架构与混合云管理的子公司 Hitachi Vantara 今日宣布推出全新块存储设备,作为其 Virtual Storage Platform One 混合云数据平台产品组合的一部分。新产品包含三种专用型号,为企业提供跨块存储中的结构化和非结构化数据的通用数据平面,专为降低复杂性、加强数据保护和减少碳排放而设计。通过利用Hitachi Virtual Storage Platform One 的弹性、可靠性和可持续性,该块平台数据基础架构面向变革数据存储体验强化了相应功能,量身定制以满足中型企业细分市场的存储需求。
欲了解有关 Hitachi Vantara Virtual Storage Platform One 的更多信息,请访问:
www.hitachivantara.com/products/storage-platforms/data-platform
人工智能和互联技术的兴起导致数据量呈指数级激增,企业预计其在 2023 年至 2025 年间使用的数据量将翻一番。这迫使企业,尤其是中型企业,有必要重新考虑如何构建和扩展他们的数据架构。与此同时,前所未有的数据增长给希望实现可持续目标的组织带来了挑战。根据最近的一项调查,68% 的 IT 决策者对其企业组织因采用人工智能/机器学习而导致的能源消耗和碳足迹问题表示担忧;另有 77% 的受访者表示,传统数据架构对其可持续发展绩效产生了负面影响。
新推出的 Virtual Storage Platform One 块存储设备展现了先进数据基础架构技术的最新成果,能够优化机架空间,同时降低功耗和冷却成本。该平台简单易用,并具备自行安装和动态硬盘保护等功能,辅以基于云的管理软件 Ops Center Clear Sight,简化日常操作。该平台的其他功能还包括:
应用原生安全和反勒索软件:Hitachi Thin Image Advanced (TIA) 快照软件可快速创建副本,以便即时用于决策支持、软件开发和现代数据保护操作。该软件可确保数据的保密性、合规性,保护数据免受安全威胁,并积极防御勒索软件对结构化数据的攻击。
增强数据保护:该平台提供始终可用的生产数据副本,可提供更强的数据保护;同时,TIA 还可通过仅存储已更改的数据块来保持高效运行,从而节省多达 90% 的磁盘空间。
更具可持续性的闪存中端设备:得益于动态减碳技术,Virtual Storage Platform One 块存储通过在活动低峰期间将 CPU 切换到节能模式来降低能耗。“始终处于压缩状态”功能使得系统能够从内联数据缩减切换到后处理,从而进一步降低能耗,并将二氧化碳排放量降低 30%-40%。
降低复杂性:嵌入式图形用户界面 (GUI) 和基于 SaaS 的直观的 Ops Center Clear Sight 门户等管理工具,可以帮助客户轻松管理和使用所需数据。
Hitachi Vantara 首席产品官 Octavian Tanase 表示:“随着 Virtual Storage Platform One 产品组合的不断扩展,我们将助力企业以前所未有的方式提升其应用性能。我们的 Virtual Storage Platform One 块存储设备功能强大、密度高,可提供中型企业所需的数据处理能力和可靠性,同时最大限度地减少机架空间,降低电力和冷却成本,从而构建更加可持续的数据中心环境。新产品重申了我们对创新和以客户为中心的解决方案的承诺,并为存储性能树立了新的标准。”
Hitachi Vantara 的最新块存储设备专为中型企业量身定制,其独特功能使该产品在竞争中脱颖而出。该块平台无缝集成到 Virtual Storage Platform One 管理套件中,可对其存储阵列进行统一管理。Virtual Storage Platform One 平台涵盖块、文件和对象存储解决方案,每种方案均提供通用数据服务,包括通过 Hitachi Storage Virtualization Operating System (SVOS) 软件对第三方存储阵列进行管理。此外,该平台提供 100% 的数据可用性保证,可确保关键任务工作负载的不间断数据访问。
IDC 全球基础架构研究集团副总裁兼总经理 Ashish Nadkarni 表示:“随着数字环境的不断发展,Hitachi Vantara 将其新型块存储平台集成到 Hitachi Virtual Storage Platform One 的强大架构中,这对中型企业来说是一项重大进步。此举表明日立致力于提供可扩展、可靠和高效的解决方案,以满足企业在混合云环境中处理结构化和非结构化数据的复杂需求。”
Virtual Storage Platform One 块存储以无与伦比的灵活性促进应用程序整合。它可从单一设备无缝扩展至 65 个节点的集群,轻松满足不断变化的存储需求。这种可扩展性使企业能够在统一的存储环境中简化基础架构、降低复杂性并优化资源利用率。该平台还支持混合云模式,使企业能够在运行传统块工作负载的同时无缝运行现代云原生应用,弥合企业内部基础架构和云之间的差异。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。