数据要素已经成为“战略资源”,数据存储成为全社会关注重点。6月25日,以“先进存力 凝聚数据要素”为主题的曙光存储新品暨品牌发布会,将以线上直播方式举办,面向市场大存力需求再出大招!
数字经济时代,数据要素作为新型生产要素,不仅是智能的关键养料,也是国家层面的“战略性”资源。随着AI应用高速发展,数据量已突破亿万级别,这不光是对计算能力的挑战,更推动着存储技术的巨大变革。
当我们谈论大数据、大模型、大算力时,核心需求离不开“大存力”——市场需要强无止境的存储性能,更迫切全场景的智能存储解决方案与灵活的技术融通,从而高效、安全、稳定的凝聚数据要素,突破业务边界,把握时代机遇。
作为国内存储市场的领军企业之一,曙光深耕存储领域20年,围绕着分布式存储、高端全闪存储等关键技术领域持续进行研发投入。同时,曙光存储还沉淀了一套可验证的先进存力能力体系,以“融合、智能、高效、海量、绿色”为核心,帮助用户在数智时代释放数据潜能,实现数字化转型。
曙光存储洞悉客户需求,持续推出创新产品。包括ParaStor分布式存储在内的多款经典产品位居市场前列,液冷存储系统作为业界首款,填补了市场空白。如今,曙光存储二十年磨一剑,携新品而来。
曙光存储究竟会放出什么大招?锁定“中科曙光视频号”,6月25日的发布会为你揭晓答案!
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。