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
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。