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
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。