IBM公司推出最新IBM Storage Scale System(原Elastic Storage System)解决方案家族,特别是Storage Scale System 6000。IBM的这套顶尖云规模全球软件定义数据平台,能够满足对各种数据密集型工作负载和人工智能(AI)类应用的不断增长的现实需求。
作为IBM Storage for Data and AI产品组合的一部分,全新Storage Scale System 6000提供高性能并行文件系统,IOPS高达700万次,数据吞吐量极限可达256 GB/秒。它还专门针对混合环境内存储的半结构化与非结构化数据(例如视频、图像、文本等)进行了优化)。
IBM Storage Scale System 6000集成有IBM FlashCore模块(FCM),能够在提高数据效率与规模经济的同时,带来低于以往闪存驱动器的成本和运行能耗。它还提供内联硬件加速的数据压缩和加密功能。该系统能够通过NVMeoF Turbo层、并行多租户数据隔离和计算式存储驱动器等设计为AI工作负载提速。
这套系统还将数据与多种存储供应商选项的开放生态系统串连起来,包括AWS、Azure、IBM Cloud及其他公有云服务,可提供更快的数据访问速度、吞吐量达到市场平均水平的2.5倍有余,IOPS性能也达到市场同类产品的2倍,可谓遥遥领先于竞争对手。
Storage Scale System 6000拥有高性能并行文件系统,能够从容应对数据密集型AI工作负载。它为只读工作负载提供高达700万次的IOPS(每秒输入/输出操作)和最高256 GB/秒的数据吞吐量。这样的性能水平可确保AI应用得以快速访问和处理数据,从而减少延迟并提高整体效率。
这套系统在设计上还考虑到与流行的AI框架与工具之间的配合使用需求,允许数据科学家和AI研究人员轻松访问并分析平台上存储的数据。而其极高的数据吞吐量和低延迟性能,可以更好地支撑起AI工作负载。
Storage Scale System 6000支持英伟达解决方案,并与英伟达Magnum IOTM GPUDirect Storage(GDS)相集成。这就在GPU内存与存储之间打通了直连路径,有效改善了AI应用程序的数据访问效率。它还支持对接英伟达ConnectX-7网络接口卡的高速网络,可实现节点与GPU之间的高效数据传输。
Storage Scale System 6000属于IBM全球非结构化数据平台的组成部分,允许组织汇聚起来自不同来源的数据,包括核心、边缘和云环境。如此一来,AI工作负载就能访问来自各个位置及来源的数据,促进实时数据集成与分析的顺利实现。
IBM Storage Scale System 6000还提供AI工作负载所需要的高性能、可扩展性与数据管理功能。它具备快速数据访问、高效存储、数据安全保护以及与AI框架和英伟达解决方案的集成能力,足以成为寻求AI加速方案的企业客户眼中的宝贵资产。
IBM Storage Scale System 6000代表着数据管理与AI处理能力的重大飞跃,满足了数据密集型任务和AI驱动应用主导的新时代之下,市场对于高效、高性能存储解决方案的迫切需求。
随着AI技术不断重塑各个行业并推动创新,Storage Scale System 6000将成为其中一股重要的驱动力量。凭借着更高的数据效率、规模经济效应和AI工作负载加速能力,它将推动组织迈向数据发现并驱动决策的全新未来。
凭借新的Storage Scale System 6000,IBM也继续证明其致力于为企业客户提供业务支撑工具,帮助其在当今数字环境下充分发挥AI与数据分析的巨大潜能。
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。