Pure Storage 与 Nvidia 展开合作,使现有和新的 FlashBlade 客户能够为运行在 Nvidia AI 数据平台上的 AI 模型提供数据存储支持。
尽管 Pure 最近发布了可扩展性能和容量超越现有 FlashBlade 产品的分离式架构 FlashBlade//EXA 技术,但该公司仍确保了与 Nvidia 新型 AI 数据平台的兼容性。通过采用参考设计和认证,FlashBlade 客户可以与 Nvidia 的 Blackwell GPU 进行集成 —— 通过 BlueField-3 网卡、Spectrum-X 网络、NIM 和 NeMo Retriever 微服务以及 AIQ 蓝图传输数据。
Nvidia 存储网络技术副总裁 Rob Davis 表示:"通过将 Nvidia AI 数据平台功能集成到 Pure Storage FlashBlade 中,企业可以为 AI 代理提供近实时的业务数据,从而实现新水平的个性化客户服务、运营效率和前所未有的生产力。"
Pure 支持其 FlashBlade 产品的 AI 数据平台参考设计,现已通过认证成为 Nvidia 合作伙伴网络云合作伙伴参考架构的高性能存储 (HPS) 平台,包括配备 B200 或 H200 GPU 的 HGX 系统。同时还获得了 Nvidia 认证存储合作伙伴的基础级和企业级认证,确认 Pure FlashBlade 可以作为 Nvidia 风格 AI 工厂中的存储组件。
基础级是 Nvidia 存储合作伙伴的入门点,验证其 AI 基础设施在训练较小的大语言模型 (LLM)、推理任务和初始检索增强生成 (RAG) 工作流方面的基准性能和兼容性。企业级则针对大规模 AI 部署,为 AI 工厂提供动力,处理智能 AI 和其他生成式 AI 应用的海量数据集。
Pure 为与 Cisco 服务器和网络构建的融合 FlashStack 系统提供存储支持。FlashStack 客户获得了与 Nvidia AI 数据平台集成的明确路径。
Pure 首席技术官 Rob Lee 断言:"将 Nvidia AI 数据平台整合到 FlashBlade 中提供了客户所需的 AI 就绪存储",并补充说:"我们最近获得的 Nvidia 认证证实了 Pure Storage 正在支持 AI 模型所需的速度和规模。"
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。