基于对企业数字化转型和存储发展新常态的深刻理解,紫光旗下新华三集团2018年将存储战略核心定位为四大方向:闪存、海量数据、人工智能以及超融合。面对企业在数字化转型中最需要的支撑技术,新华三不仅提供满足用户需求的产品,更通过技术和解决方案帮用户开辟一条完成变革的最佳道路。
质变,闪存天下
近年来,闪存全面爆发和急速发展,并逐步成为企业在存储领域的首选。新华三深刻理解企业对高性能、高可靠闪存产品的期待,因此在多条产品线上配备了不同定位的产品来满足不同企业的不同需求。
新华三Nimble Storage
新华三在2018开年便发布了Nimble系列闪存阵列,能够充分满足不同规模、类型企业对闪存产品的不同需求。通过全面的闪存优化和新一代控制器技术,Nimble能够提供极致的性能,以满足企业应用在规模和结构上快速变化的需求。
而针对企业在存储过程中遇到的各种疑难杂症,Nimble提供了智能化的主动管理平台——InfoSight,利用全球用户的应用经验来优化用户本地的使用策略,并主动对用户存储中可能出现的问题提供预警,使Nimble的总体可靠性达到惊人的99.9999%(根据:全球实际用户使用的情况统计得出),平均的全年宕机时间不超过25秒。
除了定位于中端市场,追求高性价比的Nimble系列闪存阵列之外,在面向高端应用,更追求极致性能和可靠性的3PAR闪存阵列,新华三也在2017年进行了重要的产品更新:推出了3PAR 9450全闪存储与3PAR 20000系列。这些产品在性能、易管理性、安全性、稳定性、性价比等方面都做了大幅度的加强,对用户的业务提速、简化管理、降低业务风险、优化投资等都有着十分显著的价值。
量变,海纳百川
随着大数据、人工智能应用的迅速崛起以及数据本身的富媒体化,企业不仅需要搜集比以往更多的数据,更需要存储那些体积更大的视频、音频、图片数据。而这些都要求企业拥有极大的存储空间。
新华三推出的UniStor X10000正是针对企业的海量存储需求而量身定制的产品。其最大特点便是多达288节点的横向扩展能力,用户的单文件系统最高可以达到50PB,广泛适应于监控、广电、视频网站、医疗影像等应用环境。借由分布式系统架构设计和针对非结构化数据读写的大幅优化,新华三UniStor X10000集群的读写性能也能够做到随着节点数量的扩展而线型提升。
聚变,人工智能
自从电子计算机出现之后,AI(人工智能)就成为人类长久以来的梦想。 借助AI技术,任何点滴的智慧、经验以及免疫力都可以被迅速汇聚,并促进整体的进步。
而新华三InfoSight主动智能管理平台的出现也正是这一思路的具象化。通过搜集全球用户产品使用中的经验及问题,并在云端进行智能分析。InfoSight可以将单个用户的经验迅速分享给全球范围,同时任何一个问题的解决办法都将使全球用户同步拥有对该问题的系统免疫力。
跃变,超越融合
既要具备高效性能和快速变化能力,又要适应数据大爆炸时代需求,这就使得存储系统架构需要以一种全新的方式来实现,而软件定义存储是目前能够满足这一需求的理想手段。其中,软件定义的高阶版本“存储超融合”也正是新华三存储未来发展的核心方向之一。
新华三HPE SimpliVity380 Gen10
新华三日前发布的SimpliVity是一款专门针对虚拟化环境中虚机备份与自动恢复的软件定义产品,实现存储与计算在功能与管理上的统一。同时,SimpliVity还采用了新一代FPGA来改善其核心性能,使得软件定义与硬件能力在保持完整统一的前提下得到最大程度的性能提升。在实际的使用中,SimpliVity不仅能以秒为单位完成大容量虚拟机的备份和恢复工作, 更能凭借强大的功能整合,让用户在虚拟化界面中就能完成本地和异地灾备乃至全球灾备策略的制定和布局。
当然,由于FPGA这一强大计算能力的加入,SimpliVity除了能够极大的提高各种存储功能的性能表现,更可在保证性能0损失的前提下实现极致的数据效率,备份与原始文件的体积比通常可达到1:40以上。通过SimpliVity,新华三的软件定义存储真正做到了用户需求的“统一、敏捷、高效、简单”。
应用为先,新华三引领存储新常态
新华三存储产品部总经理徐润安
新华三存储产品部总经理徐润安表示:新华三所倡导的存储新常态则是完全建立在企业数字化转型过程中所产生的各种需求之上的,是以企业应用为先导的。而闪存技术、海量存储、AI以及软件定义作为新华三未来存储产品发展的重点,其目的就是要让企业获得数字化时代转型所需的各种能力。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。