至顶网CIO与CTO频道 12月11日 北京消息:12月10日, 焱融科技以“Time To Change”为主题在北京威斯汀酒店举办了年度产品发布会。焱融科技发布了分布式文件存储产品YRCloudFile,并与Mellanox、科大讯飞、Rancher等200+客户和合作伙伴,共同探讨IT变革浪潮下的应对之策。
发布会开场,焱融科技CEO王海涛从创业历程、公司理念等方面为大家分享了焱融科技的成长历程。变化是存储行业永恒的主题,对于企业来说每一次变革的到来都孕育着机会。在容器化、云原生等浪潮席卷数据中心的大背景下,以人工智能为代表的新型应用正在影响企业的业务布局和 IT 架构,新平台、新应用在不同维度重塑着存储技术和行业。正如本次产品发布会的主题“ Time to Change”, 存储行业变革的大幕已经徐徐拉开。“我们要做具有全球竞争力的存储产品”,焱融科技王海涛如是说。
焱融科技CEO 王海涛
YRCloudFile——三年磨一剑
焱融科技副总裁黎俊鸿表示,YRCloudFile 产品是焱融科技经过3年的时间打磨,经过持续的企业/用户访问、技术交流、全面测试及版本迭代,正式推出的一款高性能分布式文件存储。
焱融科技副总裁 黎俊鸿
YRCloudFile具有三大特点:
YRCloudfile采用元数据节点集群化、虚拟目录、小文件内联等多种技术,深度优化海量文件读写性能、目录访问热点等问题。
YRCloudFile提供了CSI和FlexVolume接口,支持PV配额、Resize、QoS,分别从容量、IO性能上去对存储资源做了隔离与规划; 通过PV Insight帮助管理员查看存储卷内部数据分布和冷热情况。
YRCloudFile可以在阿里云、腾讯云、AWS等公有云上实现一键部署,在公有云上提供高性能的文件存储服务,并通过冷热数据分层功能使数据在不同层级之间流动,从而降低存储的总体拥有成本。
合作伙伴和客户齐发声,助力焱融科技重塑存储行业
之后,科大讯飞高级架构师徐恩松以“讯飞深度学习在YRCloudFile上的深度实践”为题,为大家分享了科大讯飞在深度学习领域的IT架构实践以及如何利用YRCloudFile存储提高深度学习系统性能,以此满足AI深度学习高性能、高效率、易使用的需求。
科大讯飞高级架构师 徐恩松
焱融科技战略合作伙伴Mellanox亚太区市场开发总监宋庆春呈上了“面向存储的网络计算”的主题演讲。并且介绍了在过去一年多的时间里,和焱融科技联合发布了高性能分布式文件存储联合解决方案,在19年2次的IO500测试中,YRCloudFile联合Mellanox的联合测试结果都取得了业界领先的成绩,展示了优异的存储与网络性能。
Mellanox亚太区市场开发总监 宋庆春
业界领先的容器管理软件提供商Rancher Labs大中华区CTO江鹏做了“Kubernetes无处不在”的主题演讲。 根据调研报告,76%的企业将在3年内标准化部署Kubernetes,并且有状态应用的容器化运行是用户的核心诉求之一。焱融科技与Rancher可为用户提供基于任意基础设施交付有状态应用的解决方案。
Rancher Labs大中华区CTO 江鹏
最后,焱融科技高级解决方案架构师赵振东为大家分享了YRCloudFile的解决方案以及在AI、容器等场景的案例实践应用。
焱融科技高级解决方案架构师 赵振东
经过3年多的时间,焱融科技累计服务80+企业级客户,管理数据量超过30PB以上,并且3年内连续完成3轮融资。王海涛指出,焱融科技将会秉承产品化的目标和客户第一的理念,联手合作伙伴,引领技术创新,为客户提供具有前瞻性及全球竞争力的解决方案。
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。