分析显示,去中心化存储和计算初创公司Cubbit正在与CTERA合作提供后端存储服务,这标志着其需要从小众Web3存储供应商升级为企业级存储公司。
总体情况
总部位于意大利的Cubbit开发的DS3存储系统构建在单一虚拟存储池之上,该存储池实际上由位于不同地点、由合作伙伴提供的众多独立物理数据存储组成一个集群。Cubbit的元数据和软件将这些物理存储跟踪并组织成单一的虚拟容量岛,为客户提供比主流公有云存储更具成本效益的解决方案。
CTERA则提供分布在客户组织多个站点的文件服务,建立在兼容S3的中央对象存储设施之上,该设施可以位于公有云或客户自己的数据中心,使用第三方存储。
将CTERA和Cubbit结合在一起,就形成了基于去中心化和地理分布式S3兼容对象基础的分布式文件服务。
合作模式与定位
Cubbit产品和合作伙伴关系副总裁Enrico Signoretti在简报中表示:"我们与CTERA合作服务高端客户。我们与他们有多个项目。我们一起接触客户,将S3作为CTERA的后端进行销售。这是一个非常简单的方案。"
实际上,Cubbit充当CTERA软件层下方的存储平台。Signoretti认为:"CTERA对我们来说是一个很好的合作伙伴,因为他们提供非常高端的解决方案,高度安全,对我们来说很容易定位产品。"
这一点值得注意,因为CTERA不会与任何人合作,它需要考虑自己的声誉,但它将Cubbit视为可靠的合作伙伴。
技术实现与客户规模
目前,Cubbit拥有超过400家企业客户,已从国际投资者那里筹集了约2500万美元。DS3代表分布式S3,它将文件以独立且冗余的块形式存储,分散在其选定的物理位置中。该公司表示这类似于数据中心的RAID技术,提供高达15个9的耐用性,即99.9999999999999%。
其软件提供两种方式:DS3 Cloud是完全托管的云对象存储,通过合作伙伴提供;DS3 Composer是面向大型企业和服务提供商的软件定义对象存储。客户可以构建自己的虚拟私有云。
市场地位重新评估
此前,去中心化或Web3存储被认为是主流存储的小众分支,客户主要是寻求比亚马逊云存储更便宜替代方案的消费者和小企业。StoreJ和Cubbit等供应商都是从这个角度被报道的。StoreJ最近被私募股权公司Inveniam收购,并将在其私人市场业务中使用。
Cubbit正受益于对数据主权存储的需求;它位于意大利,属于重视数据隐私的欧盟。该公司还向中型和大型企业市场发展,如意大利的ASL CN1 Cuneo和Planetek等客户。
很明显,CTERA现在是企业供应商,是时候重新评估Cubbit,将其视为另一个主流存储供应商,而不是Web3区块链的奇特产品。
这意味着我们需要了解它作为分布式存储软件生产商的功能、在存储基础层之上提供的服务,以及它如何响应AI存储需求。这些将是我们未来听到Cubbit发展动态时需要关注的要点。
Q&A
Q1:Cubbit的DS3存储系统是如何工作的?
A:DS3代表分布式S3,它将文件以独立且冗余的块形式存储,分散在选定的物理位置中。Cubbit的元数据和软件将这些物理存储跟踪并组织成单一的虚拟容量岛,为客户提供比主流公有云存储更具成本效益的解决方案,类似于数据中心的RAID技术。
Q2:Cubbit与CTERA的合作模式是什么?
A:Cubbit充当CTERA软件层下方的存储平台,为CTERA提供后端存储服务。双方一起接触客户,将Cubbit的S3存储作为CTERA的后端进行销售,形成基于去中心化和地理分布式S3兼容对象基础的分布式文件服务。
Q3:为什么说Cubbit需要从Web3存储供应商升级为企业级存储公司?
A:Cubbit已经拥有超过400家企业客户,筹集了约2500万美元资金,并与企业级供应商CTERA建立合作关系。它正受益于数据主权存储需求,向中型和大型企业市场发展,客户包括意大利的ASL CN1 Cuneo和Planetek等,已不再是小众的Web3存储供应商。
好文章,需要你的鼓励
PDF协会在欧洲会议上宣布,将在PDF规范中添加对JPEG XL图像格式的支持。尽管Chromium团队此前将该格式标记为过时,但此次纳入可能为JXL带来主流应用机会。PDF协会CTO表示,选择JPEG XL作为支持HDR内容的首选解决方案。该格式具备广色域、超高分辨率和多通道支持等优势,但目前仍缺乏广泛的浏览器支持。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
Ironclad OS项目正在开发一个新的类Unix操作系统内核,面向小型嵌入式系统,计划支持实时功能。该项目的独特之处在于采用Ada编程语言及其可形式化验证的SPARK子集进行开发,而非常见的C、C++或Rust语言。项目还包含运行在Ironclad内核上的完整操作系统Gloire,使用GNU工具构建以提供传统Unix兼容性。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。