Pure Storage公司今日推出企业数据云(Enterprise Data Cloud),称其为组织在混合环境中存储、管理和使用数据方式的全面架构升级。
该公司表示,EDC使组织能够在本地、云端和混合部署中统一管理块、文件和对象工作负载。
这家全闪存存储子系统制造商表示,传统的孤立存储方法已无法满足现代工作负载的需求,特别是在需要大量结构化和非结构化数据的人工智能环境中。
"我们希望通过缓解与数据管理碎片化方式相关的一些限制,帮助客户控制他们的数据,"Pure Storage技术副总裁Chadd Kenney说道。
EDC的核心是Pure Fusion,这是一个存储即代码控制平面,将所有阵列视为统一数据网格中的端点。这让管理员能够通过单一界面管理存储设备集群,并使用智能预设部署工作负载,自动化服务质量、保护级别和性能要求等部署变量。
**自动化工作流**
Pure还发布了其自动化和编排能力的重大升级。其核心平台现在支持工作流配方,将存储与计算、网络和应用程序集成,以实现复杂部署,如通过单一服务工单将SQL数据库跨多个数据中心复制到公有云服务中。这些工作流可以扩展到第三方工具,已被合作伙伴Rubrik Inc.用于勒索软件恢复标记,以及CrowdStrike Holdings Inc.用于历史分析。
Kenney表示,自动化功能解决了部署新阵列的一些繁琐工作。"如果有人的应用程序需要Oracle部署,管理员必须查看存储阵列集群,找出哪个能够承担新工作负载,然后创建设置以确保它通过复制得到保护,具有快照和正确标记的服务质量策略,"他说道。"工作流允许您在一个集合中创建所有配置,因此您只需提供少量信息,它就会自动部署,为您提供第一天的合规性。"
该公司的AI Copilot对话助手已与来自整个EDC的遥测数据集成。该公司表示,这使其能够即时响应集群级性能查询,提供配置脚本,并支持无需人工干预的快速策略调整。
"在10秒内,它将处理100个不同系统的所有数据,给出答案并提供实际完成该任务所需运行的脚本,"Kenney说道。
**更快的阵列**
与EDC发布同时,Pure还扩展了其存储阵列产品组合。新的FlashArray//XL R5每机架单元的每秒输入/输出数比其前代产品增加一倍,原始容量增加高达50%。
对于内存数据库和向量搜索引擎等对延迟敏感的工作负载,Pure推出了新的FlashArray//ST,这是一个基于内存的系统,该公司表示可以在五个机架单元中提供超过1000万IOPS。
该公司还推出了FlashBlade//S R2,这是其FlashBlade//S的最新版本,旨在支持大规模数据管道和AI工作负载。在一个显著的转变中,对象存储支持已添加到FlashArray中,允许组织将块、文件和对象存储整合到单一系统中。
"我们构建自己的设备,这些设备经过精简,只做我们希望它们做的事情,"Kenney说道。"我们现在通过软件层管理与闪存交互的所有功能。"
**降低托管服务准入门槛**
在服务方面,Pure扩展了其Evergreen One即服务产品,提供自适应性能层级和与客户工作流程相匹配的基于使用量的计费。例如,在医学影像中,客户现在可以按扫描次数付费而不是按容量付费,Kenney表示,这更好地匹配了基础设施成本与业务运营。该公司还将入门级客户的最低承诺从1.5PB降低到750TB,并引入了固定费率快照保护定价。
Pure表示,客户可以在不更换硬件的情况下访问这些功能中的许多。"迁移不涉及任何事情,"Kenney在谈到EDC时说道。"您只需升级系统固件并开始创建集群。然后您可以构建工作流来改变部署系统的方式,并利用一些编排功能。"
通过EDC,Pure表示正在重新思考企业存储,同时将自己定位为不仅仅是存储供应商,而是自主数据操作平台。"我们已经在存储层解决了很多简单性问题,但现在我们要将这种简单性提升到更高的层次,"Kenney说道。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。