在2016年度6家网盘企业纷纷关停与网络安全问题导致用户备份意识提升,NAS存储以便捷、安全、稳定等优势,市场出现大幅增长,逐渐成为家庭与企业用于共享备份的新宠。
根据中关村在线对NAS存储现状调查分析,得出NAS产品的应用情况与各地互联网发展状况密切相关,如北京拥有众多互联网企业及创新科技公司,对NAS存储的关注度接近20%,广东关注比例紧随其后。而江浙沪一带遍布企业的数据中心,对于数据的存储和管理需求较大,因此名列3到5位。
Infortrend普安科技作为一家专业存储厂商,应对市场需求,全国范围设立核心渠道,全国关注NAS产品排名前10的省份,其中就有9个省份都设有核心合作渠道。凭借Infortrend NAS类标志型产品Eonstor Gse Pro系列,目前已占据了一定份额的NAS存储市场。
Infortrend NAS类产品中的一枝独秀EonStor GSe Pro 200具有小巧的外观、低噪音、高性价比等特点,是小型办公室首选。能够提供24x7全天候运行操作、高容量、卓越性能以及提供随时随地备份和共享数据等服务,为用户带来全新的存储体验。
EonStor GSe Pro 200作为桌面型入门级企业NAS解决方案,专为中小型企业、办事处/分公司(ROBO)、小型媒体工作室、院校科研室而设计。具有强大的性能、弹性的容量扩展、兼容多种操作系统以及支持文件的共享与备份、数据安全等特点。
多系统兼容
GSe Pro 200不仅支持在各种操作系统(Windows, Linux, and Mac)之间进行文件共享, 还支持Thunderbolt解决方案供用户选择。
采用Intel强劲的多核处理器,控制器硬件执行所有RAID功能,释放CPU和系统内存,以便用于后台与终端用户应用 。CIFS下文件续传输速率高达1600/1200 MB/s(读/写) ,四核处理器和板载10GbE端口保证数据传输的出色性能,适合媒体工作室的影视编辑,播放、共享与备份 。
弹性的容量扩展
设备标配5盘位和8盘位的硬盘,通过扩展最高可达40盘位,系统总容量高达400TB,适合保存高清原始文件。分别内置2个10GbE(SFP+)与1GbE(iSCSI)接口,并能额外配备两个主机通道板插槽,满足应对各种IT架构。
文件共享
一般企业来说用NAS做文件共享共有两种方式,一种是公司内部(本地)的文件共享,一种是分支机构(远端)的文件共享。
本地的文件共享只需要在公司部署一台Infortrend GSe Pro,在局域网内用户可以通过一个账户访问到共享的数据,管理员可以对共享文件夹的权限进行设定,指定文件有读写或只读或只写的权限,防止重要文件被修改或泄密,保证共享文件夹的安全性。
远端的文件共享是各地办事处通过Infortrend GSe Pro与公有云或私有云对接,可以同步设置多对共享文件夹,在每个不同的站点,实现独立的IT管理和灵活的权限控制。本地文件与云端同步,便于高效的访问、共享、备份数据。此外,我们还可以自定义存储同步的周期,间隔时间可以从10秒配置到1天,使得用户既可以及时刷新数据,又不过多消耗系统资源,这种方式适合跨区域的中小型IT公司,总部和销售部门拥有核心资源。
文件备份
我们的备份方案有两种,一种是兼容市面上主流备份软件的D2T 与D2D方式,另一种是能够备份到云端的D2C与D2D2C方式。
D2T (Disk to Tape)是传统保存备份数据方式,基本数据流程为:备份服务器按照既定策略,在相应时间发出控制命令,将生产服务器主盘的数据通过LAN或SAN备份到磁带机或磁带库中。而D2D (Disk to Disk)是将生产服务器主盘的数据通过LAN或SAN备份到相应的磁盘设备中。
随着云端技术的发展,许多用户已经不满足于把数据备份在本地了,他们想把更重要的数据备份至云端,我们普安也顺应潮流,开发云网关引擎对接公有云和私有云,通过D2C与D2D2C方式,把本地数据上传至云端进行备份。我们与多个云服务厂商合作,并且提供三种云服务包括云分层、云缓存和云备份,用户可以根据自己的需要选择最佳备份方案。
我们对共享文件夹支持一些多读和多写多读(WORM)模式,还可以对文件夹进行256位加密,防止文件夹在传输过程中被修改和泄密,保护数据安全。
Infortrend实施全国渠道布局战略,在全国各区域建立多家GSe Pro核心渠道合作伙伴。由于EonStor GSe Pro面向中小型企业,甚至是个人的用户群体,所以我们采用的是以点带面的营销策略,这意味着我们的合作伙伴将得到巨大的市场潜力。GSe Pro以其功能全面、性能过硬,加上在桌面级NAS类型产品中具有极高的性价比,必将帮助渠道合作伙伴迅速打开市场局面,为迅速占有中小业务的市场份额全面创造机遇。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。