2020年不期而至的新冠疫情让人们对“大数据”有了一个更深切的认识,其实企业一直在推动数据的应用,经历了从拥有数据意识,到用数据产生洞察,再到用数据驱动企业的多个阶段。
随着数据应用的不断变化,企业对于数据存储也提出了更高的要求。AWS也一直在布局存储服务,安全可信、至广至深、高度集成、开放生态是AWS存储服务非常重要的特点。
从存储服务整体看,文件存储服务相比其他存储服务推出的时间是相对靠后的,但增速却是最快的。文件存储服务在拥有针对Linux上的工作负载的Amazon EFS后,11月10日,AWS在中国正式上线了两项全新的文件存储服务:Amazon FSx for Windows File Server和Amazon FSx for Lustre,至此中国区域已经集齐了AWS存储服务“全家桶”。
AWS大中华区产品部总经理顾凡表示,目前AWS的存储服务阵容覆盖了对象存储、块存储、Linux文件存储、Windows文件存储、高性能文件存储、低成本归档存储以及云上备份存储,同时提供云服务实现PB级数据传输上云,以及本地IT环境与云存储的集成。
Amazon FSx for Windows File Server是为Windows工作负载提供的文件存储服务,主要应用于用户文件共享、Web网站服务、企业内容管理、Windows应用程序和工作负载、数据分析业务等。
Amazon FSx for Windows File Server的主要特点包括,第一,提供行业标准SMB文件共享,可从Windows、Linux和MacOS进行访问;第二,支持单可用区、多可用区、SSD、HDD多种部署模式;第三,支持数据去重功能,进一步优化成本;第四,与Microsoft AD集成(内部部署或AWS托管);第五,灵活扩展存储和更改吞吐量。
企业级应用软件及服务供应商Infor使用Amazon FSx for Windows File Server的全托管和多可用区特性,实现无需停机的应用程序在线升级,为其应用提供高可用性。同时与 AW S其他服务结合实现轻松部署,监控和备份/还原。最终存储成本降低了50%,应用性能提高了80%。
Amazon FSx for Lustre作为高性能文件存储服务,可广泛应用于机器学习、高性能计算、电子设计自动化、生命科学、自动驾驶和视频渲染等需要高性能共享存储的工作负载。
Amazon FSx for Lustre的主要特点包括,第一,100+GB/s吞吐量、亚毫秒级延迟、百万级 IOPS、数以万计的计算实例共享访问;第二,S3 源生集成,实现数据自动导入和更新;第三,全托管,把高性能文件存储的部署时间从数月或数周缩短到几分钟;第四,针对 Linux 工作负载而设计,POSIX兼容,简化使用;第五,提供了多种部署选项和存储选项,优化成本效益。
媒体娱乐制作平台Conductor Technologies使用 Amazon FSx for Lustre,并集成Amazon S3快速导入和处理视频渲染工作流,相比之前其压缩了30%的作业启动时间,提高渲染作业效率达4倍。
Amazon FSx for Lustre与Amazon S3集成可以实现数据的自动导入和更新,提供最优性价比的高性能存储方案。
其实,在两个服务落地之前,有很多企业就放出了积极的信号,尤其是对特定工作负载已经等了很久的客户,例如企业级使用ERP、CRM、共享文件存储系统等都是属于Windows工作负载。
同时越来越多的传统企业级存储厂商也正在加入AWS的生态,因为每一个企业的上云路径都各不相同,AWS可以和外部存储有一个很好的兼容和配合,也是重视客户需求的体现。
好文章,需要你的鼓励
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
英国政府研究显示,神经多样性员工从AI聊天机器人中获得的收益远超普通同事。在Microsoft 365 Copilot试点中,神经多样性员工满意度达90%置信水平,推荐度达95%置信水平,均显著高于其他用户。患有ADHD和阅读障碍的员工表示AI工具为他们提供了前所未有的工作支持,特别是在报告撰写方面。研究表明,AI工具正在填补传统无障碍技术未能解决的职场差距,为残障人士提供了隐形的工作辅助。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。