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
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。