日前,存储性能委员会(Storage Performance Council,简称SPC)公布了最新的SPC-1基准评测报告,浪潮存储AS2200G2的评测值为.77/KIOPS,即一千美金可以购买到13198 个IOPS的性能,刷新了SPC-1单位成本性能榜单全球最优成绩。这是继今年浪潮存储在“性能”赛道打破16控和8控性能记录之后,在“单位成本性能”榜单再次突破,夺得本年度第三个世界冠军。
在SPC-1国际测试中,浪潮存储位居单位成本性能全球第一
登顶SPC-1榜单 以“极致”单位成本性能刷新用户体验
存储性能委员会(Storage Performance Council),成立于1999年,是存储业界最知名的专业评测机构。旗下的SPC-1基准评测是业内最活跃的性能评测,不仅能够评估存储系统处理复杂请求和大规模数据的能力,还能够对存储系统的经济性进行科学的考量。SPC-1由于评测标准公正、客观,吸引了Dell、Fujitsu、HPE、HDS、IBM、NetApp、Oracle、浪潮等全球数十家存储厂商参与,其评测结果也成为企业存储选型的风向标。
本次SPC-1评测中,浪潮、TTA、Fujitsu、联想、华云网际、NetApp等6家全球主流存储厂商的10款产品入选了单位成本性能TOP10榜单,其中浪潮存储AS2200G2以.77/KIOPS的评测值排名全球第一。至此,浪潮存储在本年度累计完成3次SPC-1测试刷榜,成为唯一一家在性能和单位成本性能两大榜单领跑的厂商。
“浪潮存储登顶SPC-1单位成本性能榜单,说明浪潮存储在性能普惠方面做到了极致。别看多了‘极致’两个字,含义大不相同。性能高的存储产品只是达到了用户的基本要求,但能将单位成本性能做到极致的存储产品能带给用户惊喜和愉悦,甚至能够加速存储产业的进程”,浪潮存储产品线总经理李辉表示。如今企业的海量数据中只有不到10%的数据被真正分析、处理过,企业面临海量数据分析、处理挑战的同时,对数据经济性的需求也快速增加,单位成本性能成为衡量存储产品市场竞争力一把标尺。
单位成本性能全球第一背后 浪潮存储的硬核实力
浪潮存储登顶SPC-1单位成本性能榜单,说明浪潮存储不仅是同等级产品中性能最优的,也是在企业投入相同资金的情况下能让用户收益最大的,能够以更低的价格和更优的性能帮助企业节省购买成本。浪潮存储的性能评测值为37万IOPS,比第二名、第三名分别高19%和32%,浪潮存储每KIOPS的价格约为.77,比第二名、第三名价格低12%和18%,成为企业海量、实时数据处理的首选。
在“鱼和熊掌不可兼得”的市场里,浪潮存储通过软硬件层面的一系列创新,描绘了“存储性能向上攀升,成本却向下延伸”的两条不可思议的曲线。本次参加评测的浪潮存储AS2200G2在硬件层面采用盘控一体的紧凑设计,前端每控搭载一颗英特尔至强CPU、64GB大缓存,后端采用25块SSD盘的全闪存配置,大幅提升数据响应速度;在软件层面,浪潮存储通过iTurbo智能引擎高端技术下移,能够让存储系统根据前端应用自动匹配不同数据处理策略,驱动数十万IO指令和数据块在存储系统内高速传输和流动。通过软硬双管齐下的优化,浪潮存储在同等的产品配置下,性能达到了业界最高水平。
随着新基建政策商用落地,大数据、边缘计算、IoT等新技术带动了用户对海量数据实时处理的需求,用户对高性能、普惠的存储设备的市场需求日益增长。浪潮存储基于“云存智用 运筹新数据”的理念,凭借“单位成本性能全球第一”的强大产品竞争力在这一市场乘风破浪,加速企业数字化转型。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。