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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。