日立集团 (TSE: 6501) 旗下专注数据存储、基础架构与混合云管理的子公司 Hitachi Vantara 今日发布了高性能、高能效的混合云和数据库解决方案。这一方案由新型高性能第四代 AMD EPYC(霄龙)处理器驱动,将融合和超融合解决方案相结合(包括 Hitachi Unified Compute Platform (UCP))。在为企业提供“一站式”功能集,并提高数据中心性能和效率的目标下,这一发布实现了混合云和数据库解决方案领域的重大进步。
在如今竞争激烈的环境下,企业在优化 IT 基础架构方面持续面临日益增长的挑战,其中降低成本尤为关键。传统数据中心的管理和运营复杂性进一步加剧了这些挑战,常常导致效率低下和运营成本上升。更为棘手的是,随着对减少运营开销需求的不断增长,尤其涉及电力、冷却和空间需求方面,企业急需精简运营并增强其可持续发展的能力。最近的一份报告发现,全球数据中心产生的温室气体(GHG)排放量高达全球总量的 3.7%,并且该气体在冷却过程中耗费了大量水资源。报告还指出,仅在 2020 年,数据中心就排放了相当于 300 公吨总量的二氧化碳。
面对如此巨大的资源需求,企业亟需寻求提供高性能、高能效混合云和数据库解决方案的合作伙伴,其方案需兼顾成本效益、简洁性以及可持续性的需求。Hitachi Vantara 全新融合和超融合解决方案,以突破性的性能和可持续计算,为混合云、数据库和高性能环境提供了急需的高性能、可扩展性和成本优化。
Hitachi Vantara 首席产品官 Octavian Tanase 表示:“随着企业和客户对业务应用性能最大化的需求日益增长,企业需要创新的解决方案以保持其领先的市场地位。此次发布展现了专业技术与创新的融合,旨在为企业提供具有变革性的解决方案。凭借第四代 AMD EPYC(霄龙)处理器的卓越性能,我们将提供高密度、高吞吐量的解决方案,并承诺 100% 的数据可用性,从而重新定义行业标准。针对现代企业在混合云、数据库和高性能计算领域的需求,这次发布提供了一系列关键的差异化优势,为企业量身定制出高性能、高效率和可扩展的解决方案。”
该解决方案的主要优势包括:
· 缩短价值实现时间 – Hitachi Vantara 的混合计算解决方案由 AMD EPYC(霄龙)处理器提供支持,通过大幅提高通用工作负载、数据库、高性能计算和 CAE(计算机辅助工程)等传统与现代工作负载的处理时间,实现了创新加速。
· 高性能 – 经过预先验证和认证的Hitachi UCP 解决方案,以更少的内核为云、企业和边缘计算工作负载提供突破性的性能。
· 可持续性 – 新推出的解决方案采用现代化设计,减少占地面积,有助于减少二氧化碳排放并提高能源效率。一家金融服务提供商报告称,Hitachi Vantara 的存储设备可减少高达 96% 的二氧化碳排放量,并将数据中心存储占地面积至多减少 35%。
· 降低计算成本 – Hitachi Vantara 的融合和超融合解决方案提供高密度和高带宽的基础架构,可整合多个企业工作负载并降低总拥有成本。
UCP 解决方案组合还包括适用于 Azure Stack HCI 的 Hitachi UCP,该解决方案有助于在边缘、核心和公有云之间提供一致的混合云基础架构。Hitachi Vantara 帮助企业通过单一来源的系统、解决方案和服务,简化混合云部署,从而精简运营并减少多供应商物流。受益于可定制的云评估、咨询和云迁移服务,企业可以按照符合其业务目标的时间表规划和执行多云之旅。
欲了解有关 Hitachi Vantara 混合云解决方案组合的更多信息,请访问:
https://www.hitachivantara.com/en-us/solutions/hybrid-cloud-infrastructure.
好文章,需要你的鼓励
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。