横向扩展文件存储厂商Qumulo与思科建立合作伙伴关系,在UCS服务器上运行其统一数据平台,并集成Splunk可观测性功能,用于流式处理和清理机器数据。
双方表示,这项合作"能够将数十亿个文件和PB到EB级别的非结构化数据整合到单一的全球一致性网络附加命名空间中","消除了数十年来的孤立数据,让AI系统能够完整且即时地访问构建更准确模型和获得更好结果所需的信息"。该数据平台软件在全球命名空间中提供统一的文件和对象存储,可在本地部署(边缘和核心数据中心站点),也可在云端部署,如在AWS、Azure、谷歌和甲骨文上的云原生Qumulo。
Qumulo产品高级副总裁Brandon Whitelaw表示:"这项合作通过让AI能够对数十年的非结构化数据进行推理,使在复杂环境中获得实时洞察变得极其简单。我们与思科一起,正在提供一个现代化数据平台,通过简化操作并在边缘、数据中心和云端管理PB到EB级别的数据,同时通过与Splunk可观测性云的深度集成来增强态势感知能力,从而克服'数据鸿沟'。"
思科旗下的Splunk提供软件,可实时收集、分析和可视化来自各种来源的机器生成数据,如服务器、网络、云环境、应用程序和设备。Qumulo表示,当企业数据在Qumulo和思科UCS上统一后,Qumulo数据平台可原生地将OpenTelemetry数据直接流式传输到Splunk可观测性云中。客户随后可以"获得实时故障排除的可见性,推动更快的异常检测,帮助加强对主权数据威胁的抵御能力"。
关键工作负载和数据包括医学影像、信号情报、自动驾驶遥测、生命科学研究、地理空间测绘和影像、视频监控以及企业文档管理。AI重点专注于推理而非训练。
目前这是一项本地部署解决方案,与思科与NetApp(FlexPod)的融合基础设施(CI)合作不同。Pure Storage(FlashStack)和VAST Data的合作都包含思科Nexus网络,属于机架级硬件和软件解决方案。
Qumulo统一数据平台现已在思科全球价格清单上提供,并通过思科全球渠道销售。它包括预验证的、联合支持的本地架构,未来将支持在所有主要公有云中部署云原生Qumulo。
Q&A
Q1:Qumulo统一数据平台主要解决什么问题?
A:主要解决企业数十年来积累的孤立数据问题。该平台能够将数十亿个文件和PB到EB级别的非结构化数据整合到单一的全球一致性网络附加命名空间中,让AI系统能够完整且即时地访问构建更准确模型所需的信息。
Q2:这个平台适合哪些应用场景?
A:关键应用场景包括医学影像、信号情报、自动驾驶遥测、生命科学研究、地理空间测绘和影像、视频监控以及企业文档管理等。平台主要针对AI推理应用,而非训练场景。
Q3:如何获得Qumulo统一数据平台?
A:该平台现已在思科全球价格清单上提供,可通过思科全球渠道购买。包括预验证的、联合支持的本地架构,未来还将支持在AWS、Azure、谷歌和甲骨文等主要公有云中部署云原生版本。
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。