Pure Storage 与 Nvidia 展开合作,使现有和新的 FlashBlade 客户能够为运行在 Nvidia AI 数据平台上的 AI 模型提供数据存储支持。
尽管 Pure 最近发布了可扩展性能和容量超越现有 FlashBlade 产品的分离式架构 FlashBlade//EXA 技术,但该公司仍确保了与 Nvidia 新型 AI 数据平台的兼容性。通过采用参考设计和认证,FlashBlade 客户可以与 Nvidia 的 Blackwell GPU 进行集成 —— 通过 BlueField-3 网卡、Spectrum-X 网络、NIM 和 NeMo Retriever 微服务以及 AIQ 蓝图传输数据。
Nvidia 存储网络技术副总裁 Rob Davis 表示:"通过将 Nvidia AI 数据平台功能集成到 Pure Storage FlashBlade 中,企业可以为 AI 代理提供近实时的业务数据,从而实现新水平的个性化客户服务、运营效率和前所未有的生产力。"
Pure 支持其 FlashBlade 产品的 AI 数据平台参考设计,现已通过认证成为 Nvidia 合作伙伴网络云合作伙伴参考架构的高性能存储 (HPS) 平台,包括配备 B200 或 H200 GPU 的 HGX 系统。同时还获得了 Nvidia 认证存储合作伙伴的基础级和企业级认证,确认 Pure FlashBlade 可以作为 Nvidia 风格 AI 工厂中的存储组件。
基础级是 Nvidia 存储合作伙伴的入门点,验证其 AI 基础设施在训练较小的大语言模型 (LLM)、推理任务和初始检索增强生成 (RAG) 工作流方面的基准性能和兼容性。企业级则针对大规模 AI 部署,为 AI 工厂提供动力,处理智能 AI 和其他生成式 AI 应用的海量数据集。
Pure 为与 Cisco 服务器和网络构建的融合 FlashStack 系统提供存储支持。FlashStack 客户获得了与 Nvidia AI 数据平台集成的明确路径。
Pure 首席技术官 Rob Lee 断言:"将 Nvidia AI 数据平台整合到 FlashBlade 中提供了客户所需的 AI 就绪存储",并补充说:"我们最近获得的 Nvidia 认证证实了 Pure Storage 正在支持 AI 模型所需的速度和规模。"
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。