NetApp 在其全闪存 ASA 块存储产品系列中新增多款型号,推出新的 FAS 混合闪存文件存储系统 (FAS50),推出面向 HPC 的新型 E 系列 SAN 存储 (EF300C 和 EF600C),并扩展了勒索软件检测和恢复保障至块存储产品线。
全新的 ASA A20、A30 和 A50 主要采用了升级版的 CPU、PCIe 和内存组件。这些产品定位于 ASA 块存储产品系列的入门级和中端市场,作为现有 A70、A90 和 A1K 的补充,同时替代 A250 和 A400。
A20 的原始容量范围从 15TB (太字节) 到 734TB,通过数据压缩可达到 3.2PB (拍字节),集群模式下最高可达 19PB。A50 的原始容量为 68TB 至 1.8PB,集群模式下有效容量最高可达 48PB。
NetApp 的 ASA 系列 (All-SAN Array) 是其面向本地部署的硬件形式闪存块存储产品,可添加云端容量。ASA 实际上是 NetApp 的 AFF 全闪存阵列系列,但关闭了 NAS 功能。
所有新款 A 系列阵列均采用 2U 机架设计。A50 与现有的 A70 在容量上有所重叠,但后者采用 4U 机架设计以提供更多连接选项,NetApp 首席技术专家 Grant Caley 如是说。
"更高规格的阵列可以安装提供更多 I/O 选项的卡片。在较低规格的模块化系统中,这些功能是集成的。"
据 NetApp 介绍,A20 比现有 A150 快 72%,而 A30 和 A50 则分别比其所取代的 A250 和 A400 快 109% 和 171%。A150 和 A250 于 2023 年 5 月推出,容量分别为 0.5PB 和 1.1PB。
ASA 产品的升级稍晚于 NetApp 对其 AFF 全闪存文件存储产品的升级。Caley 表示,这只是由于时间限制造成的。"工程师的数量是有限的,而且 AFF 是更受客户欢迎的平台。"
此外,NetApp 还对其 E 系列产品进行了类似的组件升级,推出了新的 EF300C 和 EF600C。E 系列源自 NetApp 在 2011 年收购 Engenio。这些产品运行 SanTricity 操作系统,最初仅支持机械硬盘,后来在 2013 年 NetApp 首次进军闪存存储市场时添加了闪存支持。
它们仍然是混合闪存系统(这意味着它们也可以使用 HDD),但新型号现在可以使用 30TB 和 60TB 容量的高密度 QLC 闪存驱动器。
Caley 说:"我称之为'简单 SAN'。这是一个非常高密度的阵列,具有海量吞吐量,适合 HPC 类型的使用场景,只需要快照和复制功能。"
"随着闪存成本上涨,我们看到 HDD 的使用率有所上升,主要用于次要和低性能工作负载。"
FAS 产品线也迎来了新成员。这是 NetApp 长期存在的"文件服务器"系列的继任者,仍然采用混合闪存设计。新的 FAS50 位于 2820 和 FAS70 之间,在高可用性系统中提供 100TB 到 10.6PB 的原始容量,集群模式下最高可达 127PB。
同时,NetApp 将于今年晚些时候发布用于块存储的 NetApp OnTap 自主勒索软件保护和人工智能系统 (ARP/AI)。这包括为块存储重新包装的 NetApp 勒索软件保障,名为"勒索软件检测计划",如果其勒索软件检测未能发现入侵,公司承诺最初将免费帮助客户恢复。
NetApp 对此充满信心,并强调了其勒索软件检测和恢复功能。这包括基于机器学习的异常检测,可以识别涉及数据加密的异常模式和异常用户活动。
与之前的版本一样,当 AI 发现异常活动时,它会立即触发快照,客户可以从中恢复。
最后,在 NetApp 的混合云存储管理平台 BlueXP 中,客户现在还可以模拟勒索软件攻击及其恢复过程。
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。