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 今日发布了高性能、高能效的混合云和数据库解决方案。这一方案由新型高性能第四代 AMD EPYC(霄龙)处理器驱动,将融合和超融合解决方案相结合(包括 Hitachi Unified Compute Platform (UCP))。在为企业提供“一站式”功能集,并提高数据中心性能和效率的目标下,这一发布实现了混合云和数据库解决方案领域的重大进步。
在如今竞争激烈的环境下,企业在优化 IT 基础架构方面持续面临日益增长的挑战,其中降低成本尤为关键。传统数据中心的管理和运营复杂性进一步加剧了这些挑战,常常导致效率低下和运营成本上升。更为棘手的是,随着对减少运营开销需求的不断增长,尤其涉及电力、冷却和空间需求方面,企业急需精简运营并增强其可持续发展的能力。最近的一份报告发现,全球数据中心产生的温室气体(GHG)排放量高达全球总量的 3.7%,并且该气体在冷却过程中耗费了大量水资源。报告还指出,仅在 2020 年,数据中心就排放了相当于 300 公吨总量的二氧化碳。
面对如此巨大的资源需求,企业亟需寻求提供高性能、高能效混合云和数据库解决方案的合作伙伴,其方案需兼顾成本效益、简洁性以及可持续性的需求。Hitachi Vantara 全新融合和超融合解决方案,以突破性的性能和可持续计算,为混合云、数据库和高性能环境提供了急需的高性能、可扩展性和成本优化。
Hitachi Vantara 首席产品官 Octavian Tanase 表示:“随着企业和客户对业务应用性能最大化的需求日益增长,企业需要创新的解决方案以保持其领先的市场地位。此次发布展现了专业技术与创新的融合,旨在为企业提供具有变革性的解决方案。凭借第四代 AMD EPYC(霄龙)处理器的卓越性能,我们将提供高密度、高吞吐量的解决方案,并承诺 100% 的数据可用性,从而重新定义行业标准。针对现代企业在混合云、数据库和高性能计算领域的需求,这次发布提供了一系列关键的差异化优势,为企业量身定制出高性能、高效率和可扩展的解决方案。”
该解决方案的主要优势包括:
· 缩短价值实现时间 – Hitachi Vantara 的混合计算解决方案由 AMD EPYC(霄龙)处理器提供支持,通过大幅提高通用工作负载、数据库、高性能计算和 CAE(计算机辅助工程)等传统与现代工作负载的处理时间,实现了创新加速。
· 高性能 – 经过预先验证和认证的Hitachi UCP 解决方案,以更少的内核为云、企业和边缘计算工作负载提供突破性的性能。
· 可持续性 – 新推出的解决方案采用现代化设计,减少占地面积,有助于减少二氧化碳排放并提高能源效率。一家金融服务提供商报告称,Hitachi Vantara 的存储设备可减少高达 96% 的二氧化碳排放量,并将数据中心存储占地面积至多减少 35%。
· 降低计算成本 – Hitachi Vantara 的融合和超融合解决方案提供高密度和高带宽的基础架构,可整合多个企业工作负载并降低总拥有成本。
UCP 解决方案组合还包括适用于 Azure Stack HCI 的 Hitachi UCP,该解决方案有助于在边缘、核心和公有云之间提供一致的混合云基础架构。Hitachi Vantara 帮助企业通过单一来源的系统、解决方案和服务,简化混合云部署,从而精简运营并减少多供应商物流。受益于可定制的云评估、咨询和云迁移服务,企业可以按照符合其业务目标的时间表规划和执行多云之旅。
欲了解有关 Hitachi Vantara 混合云解决方案组合的更多信息,请访问:
https://www.hitachivantara.com/en-us/solutions/hybrid-cloud-infrastructure.
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。