Hitachi Vantara 推出了 VSP 360,这是其 VSP One 存储产品组合的新一代管理控制平面,以服务形式交付,覆盖本地、公共云及混合部署环境。
VSP One (Virtual Storage Platform One) 是一个存储产品组合,包括本地部署的 VSP One SDS Block、VSP One Block appliance、VSP One File 以及 — 一个低成本全闪存阵列和对象存储 — VSP One Object 产品,还有面向 AWS 云的 VSP One SDS Cloud(云原生 SVOS)。这些产品之前通过 Hitachi V 的 Ops Center 进行管理,该 Ops Center 在 2023 年被描述为公司在 VSP One 平台上进行基础设施数据管理的主要品牌。如今,它已进化成 VSP 360,为 VSP One 混合云部署、 AIOps 预测洞察以及简化且符合规范的数据生命周期治理提供控制。
Hitachi Vantara 的首席产品官 Octavian Tanase 充满热情地表示:“VSP 360 代表着企业数据管理方式的一大飞跃。这不仅仅是一款全新的管理工具,而是一种面向现代数据基础设施的战略方法,使 IT 团队能够全权掌控它们的数据,无论数据存放于何处。”
该公司定位 VSP One 为一体化、多协议、多层级的数据平面,而 VSP 360 则是其统一的控制平面。它提供了管理 VSP One 资源、配置和策略的单一界面,覆盖多个环境,从而简化了管理工作。像是资源配置、监控和升级等例行任务可以得到简化,同时它也提供关于实际数据使用情况和存储性能的信息。
AIOps 功能能够实现自动遥测数据的关联、性能问题根本原因的识别以及可持续性分析。
Ops Center Clear Sight 功能曾为 VSP One 产品提供基于云的监控和管理服务,现在这一功能已演进为 VSP 360 Clear Sight。Hitachi V 表示,客户可以利用 VSP 360 Clear Sight 的先进分析功能来优化存储性能、容量利用率,并对本地问题进行故障排除。
VSP 360 内置了 AI 和自动化功能,可通过 SaaS、私有云或移动电话获得。Hitachi V 表示,该平台支持跨多种存储类型的集成车队管理、智能保护和基础设施即代码 (IaC) 的互操作性。此外,它还支持 AI、个人身份信息 (PII) 发现、网络安全和 IaaS 应用场景。
VSP 360 整合了 VSP One 企业级存储产品中的数据管理工具,利用 AIOps 可观察性来监控存储容量利用率和整体系统健康等性能指标。据称这将简化数据服务的交付过程。
Dell 的 CloudIQ 是一个基于云的 AIOps 平台,与 VSP One 的功能非常相似,为 Dell 的存储系统(如 PowerStore 和 PowerMax)提供 AI 驱动的洞察、监控和预测分析。
HPE 的 InfoSight 是类似的产品,通过 AI 驱动为 HPE 存储阵列(如 Primera 和 Alletra)提供管理服务。它侧重于预测分析、性能优化和自动化问题解决,并提供一个集中式仪表盘显示系统健康、容量和性能的洞察。
NetApp 则提供其 BlueXP 存储及数据服务控制平面功能。
Pure Storage 的 Pure1 平台为 Pure 的 FlashArray 和 FlashBlade 系统提供 AI 驱动的管理服务,通过基于云的界面实现性能监控、容量预测和预测性分析。
好文章,需要你的鼓励
阿里巴巴集团正在马来西亚和菲律宾新增数据中心以推动AI驱动增长。该公司云计算部门本周在马来西亚启用第三个数据中心,并计划10月在菲律宾开设第二个数据中心。阿里云还在新加坡设立全球能力中心,帮助超过5000家企业和10万名开发者使用先进AI模型。未来三年内,阿里巴巴将在全球多个地区加速云网络建设,承诺在AI基础设施上投资超过530亿美元。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
在人工智能与神经科学交叉领域的研究中,科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今,实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官,这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系,以及大脑-眼部缩放关系,为人工智能研究提供启发。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。