9月16日至17日,華為云計算大會上,HGST(昱科存儲科技有限公司)作為全球企業(yè)級云計算應用首選存儲解決方案提供商,攜旗下存儲創(chuàng)新產品亮相該大會,旨在利用創(chuàng)新解決方案,幫助客戶釋放數(shù)據(jù)的力量。
大會期間,HGST企業(yè)發(fā)展及戰(zhàn)略高級副總裁,彈性存儲技術事業(yè)部總經理 DaveTang先生,在“大數(shù)據(jù)價值發(fā)現(xiàn)”分論壇上發(fā)表了題為“數(shù)據(jù) - 新經濟的貨幣”的演講,詳細介紹了HGST公司全新的Long Live DataTM戰(zhàn)略,闡釋數(shù)據(jù)的特性及價值,如何推動數(shù)據(jù)中心的轉型。Tang先生介紹到:“由于數(shù)據(jù)可轉化的特性,變?yōu)樾畔?、知識和智慧的過程中提煉價值的能力,是一個企業(yè)的終極競爭優(yōu)勢。使用數(shù)據(jù)導向進行決策的企業(yè)相對具有更高生產力,也能夠獲得更多的利潤。數(shù)據(jù)總量每兩年都會翻一番。2014 年,地球上每人每分鐘會產生 17 MB 數(shù)據(jù)。為存儲、保留、訪問和轉換如此龐大的數(shù)據(jù),存儲必定演變成為現(xiàn)代數(shù)據(jù)中心的新動力。”
在的“云數(shù)據(jù)中心”分論壇,HGST硬盤產品營銷副總裁Brendan Collins發(fā)表了題為“云海領航 - 數(shù)據(jù)中心存儲篇”的演講。Collins先生介紹說,無論是公共云、私有云還是混合云數(shù)據(jù)中心,總有三個互相關聯(lián)且不斷增長和創(chuàng)新的領域與云服務的基礎設施架構相關聯(lián),即物聯(lián)網(wǎng)、大數(shù)據(jù)分析和動態(tài)歸檔。若要管理這種增長,在如今規(guī)模超大、效率極高的數(shù)據(jù)中心內,存儲不能以統(tǒng)一規(guī)格處理。從用于進行高性能計算和實時分析的閃存和 SSD,到用于存儲高容量企業(yè)級HDD,再到用于高效存儲歷史數(shù)據(jù)及分析的冷存儲和主動存檔,如今的云數(shù)據(jù)中心架構需要的不僅僅是每TB成本這個指標。
同時,HGST也在展區(qū)展示了全系列企業(yè)級存儲產品,而HGST展位的亮點就是展示液浸式冷卻的應用示范以及最新的8TB Ultrastar He8,全新的Ultrastar He8容量增加33%,能耗降低23%,是HGST的第二代氦氣密封式硬盤。8TB Ultrastar He8拓展了HGST在技術和創(chuàng)新方面的領導力,提升云計算數(shù)據(jù)中心、企業(yè)、OEM廠商和系統(tǒng)集成商在TCO總擁有成本方面的價值定位。
在過去的幾十年里,該行業(yè)一直在發(fā)展3.5寸空氣硬盤。然而,由于設計的限制,生產超過 6 TB 容量的硬盤,難以達到業(yè)界要求的高可靠性。數(shù)據(jù)正在以分鐘為單位快速增長,這將推動市越來越多的利用像HGST氦氣硬盤這樣的技術,以滿足日益增加的對存儲和高容量硬盤的需求。氦氣性能優(yōu)于空氣,原因是氦氣能夠大幅度增加存儲密度以解決數(shù)據(jù)中心面臨的最大挑戰(zhàn),同時,氦氣能降低功耗,并需要更少的機架空間。氦氣存儲標志著存儲產業(yè)的未來。
目前,數(shù)據(jù)中心設計者和服務器供應商不斷在更小的空間內設計更大的容量,而由于組件溫度的升高以及有效空氣流動空間的減小,如何有效地冷卻成為一個全新的難題。業(yè)內的多個廠商一直在探索如何更有效地冷卻液體并維持更加穩(wěn)定的工作溫度,因為液體比空氣的密度高。然而,傳統(tǒng)硬盤并不是密封的,冷卻液將進入到硬盤內造成損壞,所以無法浸入到液體中。HGST的HelioSeal硬盤是密封的,既可應用于空氣冷卻式,也可以用于液浸冷卻式系統(tǒng),是目前唯一提供高性價比的解決方案。
為解決企業(yè)存儲和云數(shù)據(jù)中心在提高存儲效率以及降低成本方面所面臨的壓力,HGST長久致力于依靠自身科技領導地位,為全球客戶不斷帶來驚喜。革命性的全新企業(yè)級解決方案,可以幫助數(shù)據(jù)中心在幾乎每一個層面上(包括容量、能耗、冷卻以及存儲密度)顯著降低總體擁有成本(TCO)。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。