Infinidat扩展了其Infinibox产品系列,将其最大全闪存阵列的容量提升一倍,同时缩小了物理占用空间。此次升级使Infinibox SSA G4 F24的容量从17PB提升至33PB,而机架空间从14U减少到11U。
当Infinidat在今年晚些时候为G4提供四级单元(QLC)驱动器选项以替代当前的三级单元(TLC)闪存驱动器时,存储密度将进一步提升。
Infinidat还在Infinibox操作系统InfuzeOS中原生添加了对象存储连接功能。
Infinibox G4全闪存阵列面向需要高性能和高可用性的高端企业用例。该公司还提供混合阵列(闪存和机械硬盘),通常用作备份目标。
Infinidat主要通过装入更多高容量驱动器来实现G4存储密度翻倍。之前17PB版本配置8个机箱,每个机箱60个20TB驱动器,现在配置8个机箱,每个机箱78个24TB驱动器。这也是占用空间缩小的原因。
当Infinidat在今年晚些时候引入QLC驱动器时,容量密度可能进一步增加33%。这是因为TLC驱动器在每个闪存单元中存储三位数据,而QLC使用四位,从而获得额外的交换容量。
这会降低单元和驱动器寿命的耐用性,但对于大量顺序输入输出且较少随机访问的工作负载,QLC非常适合,因为擦除阶段会缩短驱动器寿命。
此版本G4阵列的另一个新功能是操作系统原生提供的对象存储。这是对现有文件和块访问的补充。
对象存储是一种重要且日益流行的协议。它是云存储的主要方式,由于其良好的扩展能力,经常用于AI数据存储。
Infinidat首席营销官Eric Herzog表示,对象存储将包含在InfuzeOS中,客户可以在配置系统时按卷启用,他强调了其实现的原生特性。
Herzog说:"有些人将对象协议放入虚拟机或阵列内的容器中,但这增加了最终用户需要处理的复杂性。我们将其原生嵌入到操作系统中。现在设置卷时,有一个复选框。可以将卷一设置为块,卷二设置为对象,卷三设置为文件。可以混合使用,或者整个阵列可以只是对象、文件或块。"
还增加了以5%增量添加存储容量的能力,而不是之前购买60%、80%或100%满载阵列的选项。
像许多其他存储供应商一样,Infinidat提供延迟资本支出和运营支出的阵列选项。
Herzog说:"我们有一个选项,您可以购买完全配置的设备。您将在法律上拥有它,这是资本支出,但我们只对设备的一部分收费。如果您需要更多,我们会开启更多容量,我们或我们的渠道合作伙伴将向您收费。这是按需容量系统,属于资本支出。对于运营支出,我们有完整的存储即服务。我们将阵列放在您的场地。我们在法律上保留所有权,该阵列由您在现场使用,我们向您收费。当您使用更多存储时,我们收费更多。如果您使用较少存储,我们收费较少。"
Q&A
Q1:Infinibox SSA G4 F24的主要升级是什么?
A:Infinibox SSA G4 F24将存储容量从17PB提升至33PB,同时将机架空间从14U减少到11U。主要通过使用8个机箱,每个机箱配置78个24TB驱动器来实现,而之前版本是60个20TB驱动器。
Q2:QLC驱动器相比TLC驱动器有什么优势和劣势?
A:QLC驱动器可以将容量密度进一步提升33%,因为它在每个闪存单元中存储四位数据,而TLC只存储三位。但QLC的耐用性较低,单元和驱动器寿命较短,更适合顺序I/O多而随机访问少的工作负载。
Q3:Infinidat的存储即服务模式是如何运作的?
A:Infinidat提供两种模式:资本支出模式下,客户拥有设备但只为使用部分付费,需要时开启更多容量;运营支出模式下,Infinidat保留设备所有权,客户按实际使用量付费,用得多收费多,用得少收费少。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。