2020年4月22日,北京——今日,Hitachi Vantara宣布推出虚拟存储平台Hitachi Virtual Storage Platform(VSP)的最新产品VSP E990,这是一款面向中型企业客户的新一代企业级存储平台。
Hitachi Vantara数字基础架构总裁Brian Householder表示:“几十年以来,Hitachi Vantara凭借经过实践检验的、高可靠的数据解决方案在行业中一直处于领先地位。久经验证的Hitachi Vantara 以100%的数据可用性保障支撑解决方案的性能、可用性和可扩展性。配备Hitachi Ops Center的全新一代VSP E990完善了我们面向中型企业级用户的产品组合,不断推动AIOps更有效地服务于我们的用户,进而让这些用户更智能地服务于他们自己的客户。”
业界领先的数据缩减能力可有效降低存储成本
新推出的Hitachi VSP E990搭配Hitachi Ops Center,实现了业界领先的4:1数据缩减,数据精简比是最接近VSP E990的同类产品的两倍,将帮助用户释放高达75%的存储容量。
由AI强化的管理工具极大简化存储配置
配备Hitachi Ops Center的VSP E990便可帮助用户直面应对这一挑战。Hitachi Ops Center具备AI增强的管理功能,可帮助要求严苛的应用程序将存储效率提升多至90%。此外,它还可以将需要手动配置的存储任务减少70%,将故障根本原因分析的速度提高四倍,从而显著加快故障排查速度。
性能可信赖,费用可负担
VSP E990以中型企业可承受的价格为其提供极高的可靠性——Hitachi Vantara存储系统的高可靠性已经过市场的长期检验。VSP E990采用全NVMe架构,可提供业界领先且成本最低的IOPS(每IOPS成本低至0.03美元),同时可为消耗大量资源的业务应用程序提供超低延迟的服务。
全新VSP E990的高性能和低延迟特性,能够极大地提高业务应用程序性能,其行业领先的数据缩减能力可确保用户降低存储成本。Hitachi Ops Center强大的管理软件由人工智能驱动,能极大简化人工智能(AI)、机器学习(ML)和容器化应用程序的存储配置。Hitachi Vantara拥有广泛且性能强大的基础架构解决方案组合,VSP E990作为该组合的新成员配备了Hitachi Ops Center,为面向中型企业级用户的Hitachi Vantara系列解决方案提供了NVMe全闪存方案。这些基础架构解决方案拥有创纪录的性能表现,且能为所有规模的用户提供Hitachi Vantara一贯承诺的100%数据可用性保障。
IDC企业级基础架构系统、平台和技术研究副总裁Eric Burgener表示:“通过推出VSP E990存储系统,Hitachi Vantara将中端存储的性能提升到全新的水平。VSP E990是一款既支持存储级内存(SCM),又支持NVME-oF的全闪存NVMe系统,性能可扩展至近600万IOPS,有效容量超过16PB,并可通过压缩和数据缩减技术提供‘毫无争议的’4:1数据精减比,同时确保100%的数据可用性。对于需要为关键任务工作负载提供更多存储空间的中型企业而言,他们应该清晰认识到Hitachi VSP E990可以为他们带来的价值。”
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。