文:IBM Storage Systems 产品营销与管理副总裁Eric Herzog
近日,作为收入市场份额全球排名第二的存储软件厂商,IBM存储宣布了在软件定义存储(SDS)、数据保护和存储系统产品方面的多项创新。
受数据量呈指数级增长以及数据的巨大潜在价值的驱动,很多21世纪的企业加速推进其传统的IT基础架构现代化,同时采用多云架构和AI应用。IBM持续对SDS、数据保护和存储系统产品进行投入。新的发布有力证明了IBM致力于提升IBM存储解决方案,并将其作为多云、认知/AI应用和工作负载的基础。
“数据已成为企业成功背后的驱动力,为了发挥数据价值,客户会选择灵活、敏捷的多云基础架构,并运用分析和AI技术以实现业务价值” ,IBM存储和软件定义基础架构部总经理Ed Walsh表示。
“软件定义存储、现代数据保护和全闪存阵列都是至关重要的解决方案。此次发布的产品创新旨在帮助企业转变其本地基础架构以满足新兴的业务需求。”
此次IBM 存储产品的创新与优化包括支持更广泛的数据类型,交付新的功能,并支持新技术的部署:
“随着人工智能(AI)的不断发展,企业能够比以往更有效地利用数据,从而让效率和成效都显著提升”,ESG的高级分析师Scott Sinclair表示。
“当前,数据与业务成功呈现高度相关性,优化存储基础架构的重要性也随之增加。软件定义存储(SDS) 技术,比如IBM的Spectrum Storage近期新增了一些重要的新功能,在提供必要的基础架构灵活性方面发挥着重要作用,有助于IT满足业务对数据的需求。”
借助本次发布的多项创新,IBM扩大了自身软件定义存储解决方案、数据保护以及全闪存阵列的覆盖范围,增加了关键的新功能,适用于更多的使用场景,为客户赢得更大的竞争优势。这些创新将对企业在21世纪发展业务起到关键的推动作用。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。