HPC存储阵列制造商Panasas公司一直在探索横向扩展的并行文件系统存储阵列,涉及向单独的横向扩展控制器节点与横向扩展的存储节点之间进行连接。
这家总部位于宾夕法尼亚州的企业距离硅谷各知名风投企业可谓距离遥远,但这仍不妨碍Panasas公司在硅谷地区获得一定知名度。而更难能可贵的是,这家已经拥有17年历史的高性能计算(简称HPC)/超级计算存储厂商仍处于私营状态。
该公司上一次融资进行于2013年,其中1500万美元来自私募融资,2520万美元源自风投的F轮融资——且迄今为止,其总融资额已经达到6520万美元。该公司指出,目前其已经在全球50多个国家拥有500多家客户。
其中规模最大的客户当数英国的Rutherford Appleton实验室,其JASMIN系统采用容量高达20 PB的Panasas存储方案,约由1500块存储刀片共同实现。
自2010年4月就任以来,该公司一直由CEO兼总裁Faye Pairman引领。
Panasas公司CEO兼总裁Faye Pairman
这是一家相当保守的企业,对一切事物皆抱有小心谨慎的态度——特别在是否该进入日益增长的商业高性能计算市场这个问题上更是如此。该公司早在多年之前就已经开始布局,近期更是拓展新的架构以强化其并行文件系统阵列产品。
该公司目前已经能够对计算与存储资源进行独立扩展,并开始分别对这两类组件进行开发。
根据我们掌握的情况,目前商业高性能计算领域已经出现一股明确的趋势,即小文件开始大规模增长。由于Panasas公司专长于将小文件与NAS元数据存储在闪存中,这显然会对存储节点(更多访问)与控制器节点造成影响,因为相对于文件数据所占用的空间而言,会有更多的元数据需要处理。
为了解决这些问题,其控制器节点与存储节点很可能需要得到进一步发展。
ASD-100控制器节点采用英特尔至强E5-1630 v4 3.7 GHz四核心Broadwell CPU。这意味着其下一代版本可能会升级为Skylake至强处理器——届时小文件与元数据的处理能力将得到大幅提升。
高级软件架构师Curtis Anderson告诉我们:“我们不再受到计算能力的限制——我们如今拥有大量控制器节点。”他还提到利用具备更高内存容量与/或CPU资源的“大节点”以“处理更多小文件”的可能性。
就目前而言,存储刀片拥有两大性能驱动因素,其一为SSD、其二为Atom处理器。
Panasas公司的高密度机架存储模块
Anderson解释称,Panasas公司正在改变每款存储刀片中的驱动器数量,并计划在下一代存储方案中提升容量水平。该公司希望能够利用更多行业标准组件构建相关产品。
届时其很可能推出多种不同刀片产品类型,具体包括全闪存性能刀片、性能混合刀片以及高容量混合刀片。这很可能将使得Panasas公司拥有更多空间以适应不断变化的高性能计算工作负载。
Faye Pairman解释称,Panasas公司的投资者们也同样非常保守; 此外这是一家小型公司,仅拥有100名员工,因此影响范围有限:“我们主要面向美国市场,但也已经开始了对海外市场的探索。”
Panasas公司正在持续发展,Pairman则以“按部就班”形容其推进状态。该公司正在摆脱对少数小型政府客户的依赖,转而发展自身架构与产品功能,旨在抢先于时代与整体市场之前。
Panasas公司的直接竞争对手包括DDN与Isilon,而Qumulo也很可能即将与其发生摩擦。DDN掌握的产品数量更多,其中WOS对象存储与IME峰值缓冲产品,外加并行文件系统ExaScaler与GridScaler系统的覆盖范围也更广。但Panasas方面声称其文件系统拥有更低的管理难度,而速度表现也要更胜一筹。
Isilon公司是目前向外扩展NAS市场上的领导者,这主要得益于戴尔公司的销售与市场营销体系为其提供的支持。另一方面,Qumulo也在快速发展,且正在积极吸纳对戴尔内部工作环境感到不满的Isilon员工。
Qumulo公司于2012年由前Isilon骨干所建立,并于两年半之后发布了自己的首款产品。该公司目前拥有200名员工,数量相当于Panasas的两倍,已经筹得1.3亿美元风险投资——同样相当于Panasas的两倍。
Panasas公司一直将自身定位为一家传统的商业高性能计算厂商,而Qumulo却将自身描述为一家全球性向外扩展文件系统存储企业——可容纳十亿文件规模并提供最佳速度表现。而尽管Panasas的商业高性能计算(并行文件系统)市场空间较Qumulo的向外扩展文件系统空间更小,但我们猜测前者的文件系统性能表现却要优于后者。
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。