SUSE Enterprise Storage 6可更有效地与公共云平台集成和拥有更强大的数据保护能力,使企业能够按需使用基于Ceph技术的存储服务,赋能企业存储转型,助力客户开展创新、参与竞争、实现成长
2019年5月20日—西班牙巴塞罗那(2019年Cephalocon峰会)—SUSE发布了由Ceph 技术提供支持的最新版本软件定义存储解决方案——SUSE Enterprise Storage 6。新产品具有支持容器化云端工作负荷,更有效地与公共云平台进行整合,以及更强大的数据保护能力等新特点,能帮助IT部门顺利适应不断变化的业务需求,节省IT运营开支。
“SUSE通过SUSE Enterprise Storage等敏捷开源解决方案推动数字化转型,助力企业不断开展创新、参与竞争、实现成长”,SUSE美洲区首席技术官Brent Schroeder表示:“我们与社区共同开发创新开源技术,然后对这些技术进行测试和强化,确保其满足企业级应用要求。我们的目标是通过真正开放且统一的智能化软件定义存储解决方案实现企业的存储基础设施转型,降低成本并减少专有硬件的束缚。SUSE不断致力于将Ceph技术打造为企业能按需使用的服务和产品,SUSE Enterprise Storage 6的推出证明了这一点。”
缅因大学正在将SUSE Enterprise Storage 应用于学校的一个高性能计算环境,后者为众多研究项目提供平台。缅因大学超级计算机工程师Steve Cousins说:“SUSE Enterprise Storage显著改善了我们的深度学习项目。其中一个深度学习项目要求在单个目录中存储两百万个文件。利用SUSE Enterprise Storage技术存储这些文件,性能相比之前的存储解决方案提升10倍以上。由于SUSE解决方案具有稳定、易管理的特点,我们管理实时数据和存档数据的时间大幅缩短。有了SUSE Enterprise Storage,我们的内部团队可以将注意力全部集中在如何为学校创造新价值以及如何开展具有变革意义的研究项目上。”
SUSE Enterprise Storage 6基于Ceph Nautilus,可通过以下功能帮助IT企业顺利适应不断变化的业务需求:
此外,新解决方案还可通过以下功能帮助客户减少IT运营开支:
IDC企业基础设施项目研究主任Amita Potnis指出:“SUSE Enterprise Storage 6更加注重云端和容器,符合当前企业的发展方向。目前企业需要处理的数据越来越多,这些数据既可能推动、也可能延缓创新进程。为充分发挥云技术的优点,企业都在实施IT基础设施转型。通过消除障碍、简化云整合过程、推动快速创新,SUSE提供的软件定义存储技术为企业实施IT基础设施转型提供便利,助力企业满足自身不断变化的业务需求。”
Thomas-Krenn.AG销售副总裁Frank Feder表示:“作为一家独立的服务器制造商,Thomas-Krenn早在2015年就开始接触SUSE软件定义存储解决方案,并开发出全球首款支持SUSE Enterprise Storage的硬件设备。随着SUSE Enterprise Storage 6的发布,我们的合作关系也将更上层楼。Thomas-Krenn所有技术销售人员均已通过SUSE认证,除可提供可靠、高度可扩展的硬件之外,还可提供专业顾问服务和个性化创新解决方案,以满足客户更高的要求。”
SUSE Enterprise Storage 6将于6月发售。在提供SUSE Enterprise Storage产品的同时,SUSE还提供世界一流的支持服务和专业服务。
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。