存儲解決方案提供商希捷科技公司近日在加利福尼亞州圣何塞舉行的開放計算項目峰會(OCP)上發(fā)布14TB銀河系列企業(yè)級氦氣盤Exos™ X14,為超大規(guī)模數(shù)據(jù)中心提供高性能和更大容量,幫助其高效、經(jīng)濟地管理不斷增長的數(shù)據(jù)。
由希捷贊助、國際數(shù)據(jù)公司(IDC)發(fā)布的報告顯示,到2025年,全球數(shù)據(jù)量預計將達到163ZB,全球企業(yè)面臨著管理迅猛增長的海量數(shù)據(jù)的嚴峻挑戰(zhàn)。超大規(guī)模存儲和云存儲的需求已上升到前所未有的水平,而希捷銀河系列企業(yè)級氦氣盤Exos X14的發(fā)布直接滿足了客戶對提高企業(yè)存儲容量和效率的需求。
在保持3.5英寸規(guī)格的基礎上,希捷銀河系列企業(yè)級氦氣盤Exos X14提供更高的存儲密度,是應用于超大規(guī)模環(huán)境的理想選擇。面密度的提升意味著希捷能夠以更小的硬盤規(guī)格提供更大的存儲容量——是滿足數(shù)據(jù)中心日益增長的需求的里程碑。希捷銀河系列Exos X14交付業(yè)界最低功耗,最小體積和同級硬盤的最佳性能,是最大限度提高數(shù)據(jù)中心存儲能力、降低復雜性和運營成本的經(jīng)濟實惠的解決方案。
希捷產(chǎn)品線營銷副總裁Sai Varanasi表示:“我們的超大規(guī)??蛻粝M@得最佳總體擁有成本,這主要通過大容量、高能效、強化的緩存和可預測的輸入輸出速度來實現(xiàn)。銀河系列Exos X14在這四個方面表現(xiàn)都很優(yōu)異,其具有領先的持續(xù)傳輸速率和優(yōu)化超大規(guī)模應用的隨機輸入輸出的響應能力。”
為了進一步滿足全球數(shù)據(jù)中心的需求,銀河系列企業(yè)級氦氣盤Exos X14內(nèi)置Seagate Secure™,在不降低性能的前提下加密所有數(shù)據(jù)。這款新硬盤還通過美聯(lián)邦信息處理標準(FIPS)140-2 二級認證,并符合信息技術安全評價通用準則(CC)這一國際計算機安全認證標準(ISO/EIC 15408)。Exos X14的其他關鍵特性還包括:每機架PB數(shù)量比銀河系列10TB硬盤增加40%,硬盤重量比空氣封裝的近線硬盤減少10%,設計靈活以提供更廣泛的集成選擇,以及支持更多的工作負載。
全球最大的中文搜索引擎和領先的AI科技公司百度對希捷全新硬盤進行了評估,百度系統(tǒng)部高級總監(jiān)劉超表示:“百度非常重視技術創(chuàng)新,并致力于通過技術創(chuàng)新為我們的用戶和客戶提供更好的體驗和服務。伴隨用戶對海量數(shù)據(jù)應用的依賴和數(shù)據(jù)的持續(xù)快速增長,我們需要與行業(yè)合作伙伴一道構建可持續(xù)發(fā)展的存儲解決方案。希捷銀河系列企業(yè)級氦氣盤Exos X14可以為我們提供經(jīng)濟高效的手段,滿足日益增長的存儲需求。”
該硬盤目前向部分客戶提供樣品進行測試,并將在今年夏天開始批量生產(chǎn)供貨。
銀河系列企業(yè)級氦氣盤Exos X14以及其他幾款符合開放計算項目規(guī)范的希捷產(chǎn)品將在2018開放計算項目峰會(OCP)上展示,展位號A14。其它參展產(chǎn)品還包括希捷守護者系列產(chǎn)品、雷霆系列Q-Boost、HAMR硬盤及雷霆系列5000 NVMe固態(tài)硬盤等。此外,希捷和American Megatrends Inc.(AMI)將合作展示新款AMI MegaRAC®基板管理控制器(BMC)固件如何增強希捷雷霆系列企業(yè)級5910 NVMe固態(tài)硬盤的可管理性。希捷還將在與技術合作伙伴共同組織的演示中展示MACH.2™多讀寫臂和HAMR技術。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。