Infinidat扩展了其Infinibox产品系列,将其最大全闪存阵列的容量提升一倍,同时缩小了物理占用空间。此次升级使Infinibox SSA G4 F24的容量从17PB提升至33PB,而机架空间从14U减少到11U。
当Infinidat在今年晚些时候为G4提供四级单元(QLC)驱动器选项以替代当前的三级单元(TLC)闪存驱动器时,存储密度将进一步提升。
Infinidat还在Infinibox操作系统InfuzeOS中原生添加了对象存储连接功能。
Infinibox G4全闪存阵列面向需要高性能和高可用性的高端企业用例。该公司还提供混合阵列(闪存和机械硬盘),通常用作备份目标。
Infinidat主要通过装入更多高容量驱动器来实现G4存储密度翻倍。之前17PB版本配置8个机箱,每个机箱60个20TB驱动器,现在配置8个机箱,每个机箱78个24TB驱动器。这也是占用空间缩小的原因。
当Infinidat在今年晚些时候引入QLC驱动器时,容量密度可能进一步增加33%。这是因为TLC驱动器在每个闪存单元中存储三位数据,而QLC使用四位,从而获得额外的交换容量。
这会降低单元和驱动器寿命的耐用性,但对于大量顺序输入输出且较少随机访问的工作负载,QLC非常适合,因为擦除阶段会缩短驱动器寿命。
此版本G4阵列的另一个新功能是操作系统原生提供的对象存储。这是对现有文件和块访问的补充。
对象存储是一种重要且日益流行的协议。它是云存储的主要方式,由于其良好的扩展能力,经常用于AI数据存储。
Infinidat首席营销官Eric Herzog表示,对象存储将包含在InfuzeOS中,客户可以在配置系统时按卷启用,他强调了其实现的原生特性。
Herzog说:"有些人将对象协议放入虚拟机或阵列内的容器中,但这增加了最终用户需要处理的复杂性。我们将其原生嵌入到操作系统中。现在设置卷时,有一个复选框。可以将卷一设置为块,卷二设置为对象,卷三设置为文件。可以混合使用,或者整个阵列可以只是对象、文件或块。"
还增加了以5%增量添加存储容量的能力,而不是之前购买60%、80%或100%满载阵列的选项。
像许多其他存储供应商一样,Infinidat提供延迟资本支出和运营支出的阵列选项。
Herzog说:"我们有一个选项,您可以购买完全配置的设备。您将在法律上拥有它,这是资本支出,但我们只对设备的一部分收费。如果您需要更多,我们会开启更多容量,我们或我们的渠道合作伙伴将向您收费。这是按需容量系统,属于资本支出。对于运营支出,我们有完整的存储即服务。我们将阵列放在您的场地。我们在法律上保留所有权,该阵列由您在现场使用,我们向您收费。当您使用更多存储时,我们收费更多。如果您使用较少存储,我们收费较少。"
Q&A
Q1:Infinibox SSA G4 F24的主要升级是什么?
A:Infinibox SSA G4 F24将存储容量从17PB提升至33PB,同时将机架空间从14U减少到11U。主要通过使用8个机箱,每个机箱配置78个24TB驱动器来实现,而之前版本是60个20TB驱动器。
Q2:QLC驱动器相比TLC驱动器有什么优势和劣势?
A:QLC驱动器可以将容量密度进一步提升33%,因为它在每个闪存单元中存储四位数据,而TLC只存储三位。但QLC的耐用性较低,单元和驱动器寿命较短,更适合顺序I/O多而随机访问少的工作负载。
Q3:Infinidat的存储即服务模式是如何运作的?
A:Infinidat提供两种模式:资本支出模式下,客户拥有设备但只为使用部分付费,需要时开启更多容量;运营支出模式下,Infinidat保留设备所有权,客户按实际使用量付费,用得多收费多,用得少收费少。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。