IBM公司已经于去年公布了其推出的三款DS8880整体阵列的对应全闪存版本,其闪存容量得到进一步提升同时将认知计算营销元素加入其中。
上代系统分别为DS8884、DS8886与DS8888。如今我们迎来了其全闪存衍生方案,全部以“F”后缀表示。这些阵列专门经过调整,旨在为大型机z Systems以及POWER中端服务器提供存储资源。
各闪存驱动器放置于IBM公司的高性能闪存外壳Gen2当中。这些闪存外壳与去年的DS8880系统同步推出,可在4U机架空间内提供400 GB、800 GB、1.6 TB以及3.2 TB闪存卡在座容量,同时支持RAID 5、6与10数据保护功能。
作为竞争对手,其它厂商的整体全闪存阵列往往拥有更为可观的闪存存储容量。日立公司的 VSP F800与F150最高存储容量可达8 PB。EMC的VMAX 850可达到4 PB,HPE的StoreServ 20000亦拥有3.9 PB存储空间。其部分原因在于,其它各厂商普遍采用容量在3.2 TB以上的闪存驱动器产品。
IBM公司介绍称,此系列新型阵列拥有更出色的“六个九”可用性,意味着正常运行时间达99.9999%——不及Infinidat的“七个九”,且可提供一致性微秒级应用响应时间——但未提供确切数字。
大型机z Systems与POWER服务器集成能力则是该系列新型阵列的另一大优势:
IBM DS8880F参数表
IBM公司还将其最新“认知”计算营销成果引入上述系统,表示其“考虑到认知工作负载对于高可用性及系统可靠性的严格要求,其非常适合由大型机与Power Systems加以承载。”
蓝色巨人同时告诉我们,该系列阵列可通过专利软件提供数据保护、远程复制以及中端及大型企业业务优化,从而同z Systems大型机产品顺利进行对接。
DS8880F机架设计示意图
IBM公司存储与软件定义基础设施总经理Ed Walsh指出:“DS8880全闪存阵列家族主要面向存在高延迟、低服务器利用率、高能耗水平、低系统极性及高运营成本等问题困扰的客户。”
他同时也提到了认知计算这一宣传元素,表示:“在刚刚到来的一年中,我们预计将有更多企业意识到认知型应用所带来的巨大发展机遇,同时利用云计算资源在数据驱动型市场上为其带来助力。”
IBM公司甚至进一步表示,“DS8880F基于同创新型IBM沃森解决方案同样的基础系统架构。”嗯,单从硬件角度来看,沃森采用的是一套包含90套Power 750系统的集群,各系统分别采用四块POWER7芯片,每块芯片拥有8个计算核心,意味着其计算核心总数为2880个(每个核心能够运行8个线程),外加16 TB内存。看起来两者的相同点并不多。DS8880F既没有使用沃森的DeepQA软件,也没有使用沃森中的Apache UIMA(即非结构化信息管理架构)构架。
总体而言,与沃森类似这样的说法似乎并不先说。也许我们应该直接问问沃森本“人”……或者说本“机”?
每套DS8880F系统标准配备加密驱动器,且能够支持密钥管理互操作协议(简称KMIP)。DS8880F还能够与VAAI(即阵列集成用VMware vStorage API)及vCenter站点恢复管理器进行交互,同时内置有一款vCenter插件用于存储管理。
新的DS8880全闪存阵列将于2017年1月20日正式通过IBM自身及其业务合作伙伴在全球市场销售。
好文章,需要你的鼓励
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。