1月28日,国内首个海量存储系统排行榜单——中国海量存储系统MassStor100排行榜(下简称MassStor100榜单)在线上发布,天津市电子协会秘书长回景旺、大连理工大学光电工程与仪器科学学院副院长曹暾出席会议并致辞,中国仪器仪表学会图像科学与工程分会理事长黄战华在会上进行了主题报告,中科曙光、海康威视、宏杉、云信达、英方等存储、灾备领域企业代表到会。
新基建催生海量数据 带火存储市场
中国海量存储系统MassStor100排行榜由中国仪器仪表学会图像科学与工程分会联合天津市电子学会成立的“存储评测联合工作组”(以下简称“工作组”)发布。
随着国家大力支持新基建的发展,物联网、云计算、大数据、人工智能、区块链等新技术驶上了“高速路” ,数据的加速产生、流动、聚集是必然趋势,对海量数据存储系统的需求将越来越广。
基于此,工作组以海量数据存储系统的测评计量体系作为切入点,逐步扩大至存储介质、器件、材料,最终建立一套完整、权威的中国存储的测评计量体系。依据《中国海量存储系统MassStor100排行榜工作条例》,2020年,工作组对在中国境内,单一系统部署规模超过1PB以上的存储系统进行评测邀请和数据的收集,最终形成了首届 MassStor100排行榜榜单。
首届榜单收录了包含政府、科研、教育、能源、医疗等十余个应用领域共计35套系统。来自中科曙光、海康威视、宏杉科技、云信达、英方软件等十余家国内主流专业存储及灾备厂商榜上有名。其中,来自中科曙光的ParaStor和海康威视的DS-A视频云存储分别以72.35PB、70.74PB的有效容量位列榜单前两位。
填补中国存储权威评测认证空白
“目前国内存储领域厂商众多、各自为战,缺乏权威的第三方认证机构和统一的评测标准。该测评计量体系的缺失,不利于国内存储产业做大做强;同时,科研界和产业界也缺乏沟通的桥梁,致使双方无法相互促进、共同成长。”天津市电子协会秘书长回景旺在发布活动中表示,中国海量存储系统MassStor100排行榜的筹建和发布,将对指引我国存储技术和产品发展方向、有效打破存储领域科研界和产业界的隔阂并促进产学研结合发挥积极作用。
据了解,MassStor100排行榜榜单将每年定期发布一次,既提升存储评价能力,也是展示中国存储力量的名片。
“海量存储将是未来十大战略科技趋势之一,也是云计算的未来。” 大连理工大学光电工程与仪器科学学院副院长曹暾表示,存储技术正朝着容量越来越大、速度越来越快两个方向发展,希望通过MassStor100排行榜平台,不断把光电仪器创新应用到存储系统的研究上,与业界共探新的存储技术发展道路。
“首届榜单在数据收集阶段,受疫情、在线业务运行影响,覆盖范围有限。此外,存储涉及计算机、电子、芯片、材料等多个领域,建立一个完整、权威的存储测评计量体系,是一个长期的过程,需要得到各方广泛支持与帮助。”存储评测联合工作组共主任田震说道。“未来希望更多的用户、存储厂商参与进来,共同努力将MassStor100排行榜能够长期、系统的举办下去。”
存储评测联合工作组共主任曲志刚表示,“希望MassStor100排行榜的设立能规范和推动国内存储行业的有序发展,通过专业化和引领性的规范,为用户选型提供参考依据;全面展现存储技术和应用发展趋势, 牵引产业健康发展,加速中国存储产业从研发创新向产业领跑转变。”
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。