今天,刚打开戴氏家族的群聊
好几条消息就顶了出来

APEX
@所有人,你们听说了吗?大V(VxRail)家又有大动作了,动静还挺大。

PowerProtect DD
我看到他发朋友圈了。

PowerMax
嚯!全面奔向15G了,可以的呀。

PowerEdge
出来秀一下呀!

VxRail
不敢当不敢当,孩子比较争气而已,各位不忙的话记得给朋友圈点个赞啊。
究竟是什么朋友圈让大伙如此兴奋?
跟随小编一探究竟

VxRail S670在3月15日正式上市销售,难怪大V这么兴奋,原来是VxRail S670正式亮相了啊,话不多说,来看看这新人的本事吧。
“型男”的蜕变之路
众所周知,VxRail家S系列常常被冠以“经济适用男”的标签,其定位是用来满足密集型存储工作负载的HCI业务场景,要求高容量、高性价比。那么这次15G的S670与之前14G的S570相比,都有哪些方面的提升呢?
头脑风暴经常搞,优秀算力不能少。
VxRail S670的计算资源大幅提升:CPU 核心数从28 core增加至40 core,带来整体性能40%的提升。内存最大支持4TB,相较S570提升了33%。
增脂健身秀肌肉,存储空间可不小。
与14G的S570相比,存储容量提升了50%。最大单盘容量也从8TB提升至12TB,能够在2U设备中提供144TB的存储空间。磁盘组也从原来的2个增加到4个。增加了存储配置的灵活性。
系列传统不能忘,性能价格我都要。
VxRail S670延续之前的混闪配置,利用3.5"7.2K大容量硬盘,在VxRail家族中保持最佳的性价比和最低的每TB价格。
通过以上的诸多提升,让以往偏存储,轻计算的“大肚”S系列,变为与P系列拥有同样算力,并提供更大存储容量的“优质”型男。

混闪?全闪?
VxRail表示我全都要
在更新至15G后,P&V系列不再提供混闪配置,进入全闪时代!问题来了,目前仍有大量P&V混闪型号的装机客户在未来有强劲的扩容续采需求,而全闪节点无法对混闪节点集群做扩容,那么,在15G时代该如何应对混闪需求呢?
别担心,15G VxRail依然提供混闪配置的型号:E660H以及S670。客户可以根据存储容量及未来的扩展需求,采购合适的混闪型号,由于S系列与P, V系列采用相同的硬件平台PE R750,因此您不必纠结于以S开头还是P开头。
S670采用更大容量的7.2K HDD,在价格更优容量更大的同时,还拥有与P系列同样的算力;15G E, S系列均可用来扩容14G P,V系列混闪集群。客户无需担心已有混闪集群的扩容问题。
光说不练假把式,
没有测试怎么能行?
也许您会对S670采用7.2K HDD与P系列采用的10K HDD而产生性能方面的质疑。
关于这一点用户也完全不用担心,因为在VxRail的IO性能上,90%以上落在Cache盘,因此Cache盘才是决定性能的关键。而在vSAN系统中,写和读均通过flash cache进行缓冲,在混闪型号中,容量盘性能对大多数工作负载的影响有限。
当然,实践是检验真理的唯一标准,没有实际测试怎么能够打消客户的疑虑呢?因此,我们对14G P570集群填加S670扩容后和未扩容之前的性能进行了对比测试:
3节点P570 + 1节点S670集群:

由于测试环境和用例不同,以上测试数据仅供参考
4节点P570集群:

由于测试环境和用例不同,以上测试数据仅供参考
可以看到,整个集群的IOPS峰值几乎不受影响,完全可以做到前端业务无感知,而由于15G S670的节点性能更强,读写延迟比4节点 P570集群更低。
除此以外,由于2.5"10K硬盘性能远不如SSD,容量和成本也远不如7.2K HDD,所以在不远的将来,它会和15K硬盘一样,淡出历史舞台。仅存的2.5 "10K硬盘供应商也将逐渐停产,将资源集中到SSD及更大容量的7.2K硬盘。
总体来说,新出道的VxRail S670在保持原有的高性价比同时,能够提供更强大的计算资源和更加充裕的存储空间,至此E, P, V, S四个主力型号全部到齐!这也标志着VxRail家族全面拥抱15G时代。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。