VMware Virtual SAN是一個(gè)用于VMware vSphere®環(huán)境,聚合虛擬化管理程序的新存儲(chǔ)平臺(tái),為數(shù)據(jù)中心帶來了軟件定義存儲(chǔ)的優(yōu)勢(shì)。憑借已認(rèn)證的HGST HDD和SSD解決方案,客戶能夠訪問唯一用于閃存加速的虛擬環(huán)境下的高容量、高性能、高彈性存儲(chǔ)產(chǎn)品。
VMware存儲(chǔ)與可用性高級(jí)總監(jiān)Gaetan Castelein表示:“VMware作為HGST的合作伙伴已有多年。我們很高興HGST的產(chǎn)品能夠成為VMware Virtual SAN生態(tài)系統(tǒng)的一部分。我們希望與其展開密切的合作,因?yàn)樗麄兺瞥隽烁嗫梢耘c我們平臺(tái)進(jìn)行交互操作的產(chǎn)品。”
用于VMware Virtual SAN的HGST硬盤認(rèn)證包括五個(gè)程序:評(píng)估、性能、可靠性、兼容性和總體完整性。認(rèn)證流程確保整體情況滿足VMware Virtual SAN的客戶要求。SAS和 PCIe硬盤有各自特殊的認(rèn)證體系,而HGST是唯一一家為其SAS HDD、SSD以及PCIe SSD產(chǎn)品獲得VMware Virtual SAN認(rèn)證的供應(yīng)商客戶提供了對(duì)存儲(chǔ)環(huán)境進(jìn)行縱向擴(kuò)展和橫向擴(kuò)展的靈活性,同時(shí)保持了關(guān)鍵應(yīng)用程序的卓越性能和持久性。
企業(yè)策略集團(tuán)資深分析師Steve Duplessie表示:“這不僅是HGST和VMware的勝利,也是VSAN客戶的巨大勝利??蛻魪闹蝎@得的性能優(yōu)勢(shì)是無可比擬的。”
HGST閃存平臺(tái)事業(yè)部高級(jí)副總裁兼總經(jīng)理Mike Gustafson表示:“數(shù)據(jù)中心的未來是在所有基礎(chǔ)設(shè)施環(huán)境中都能使數(shù)據(jù)和存儲(chǔ)更易于使用和實(shí)現(xiàn)更快的訪問速度,而HGST領(lǐng)先的設(shè)備和解決方案正在助力并加速這一進(jìn)程。HGST擁有唯一完整且經(jīng)過認(rèn)證的存儲(chǔ)產(chǎn)品組合,讓各種規(guī)模的用戶均能充分利用VMware Virtual SAN的先進(jìn)技術(shù)??蛻艨梢越柚覀兊慕鉀Q方案,輕松擴(kuò)展他們的虛擬機(jī)基礎(chǔ)設(shè)施,并獲得他們所期望的可靠性和性能。”
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)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(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。