中国,北京,2022年8月10日——全球领先的海量数据存储基础设施解决方案提供商希捷科技公司(NASDAQ:STX)今日携希捷银河(Exos)X20企业级硬盘、双磁臂(MACH.2)和热辅助磁记录(HAMR)技术等,亮相第四届OCP China Day 2022,与业界企业领袖和技术专家齐聚一堂,深入探讨如何以创新技术和理念,实现跨越式发展和绿色发展的协同共进。
IDC预测,2026年全球数据圈将达到221ZB,2022至2026年将实现2倍增长。海量数据是数字经济发展的基本要素,规模化、集约化和绿色化将成为未来数据中心发展的关键词。
本届OCP围绕“开放·向未来:绿色、融合、赋能”的主题展开,大会中,希捷科技中国区产品线管理总监刘嘉发表了“机械硬盘重生技术,助力实现‘双碳’和ESG战略”的主题演讲,分享了希捷当下在绿色双碳道路中取得的成就和未来规划。
独行快,众行远,面对全球数据圈的绿色发展诉求,希捷一直在履行对于可持续发展和环境保护的承诺。希捷与生态伙伴携手创新,与全球领先的数据中心生态伙伴一起建设更加绿色节能的数据中心。希捷计划到2030年,在全球范围内使用100%可再生能源,2040年实现碳中和。
通过可靠的硬盘数据擦除技术,希捷守护硬盘生命周期的同时还能保障客户数据的安全。希捷与国际标准化组织(ISO)等机构合作,执行统一的介质清理标准。在此基础上,希捷还推出了认证擦除,以环保经济且安全快捷的方式助力实现硬盘重生。
目前,希捷已经携手浪潮信息、联想、戴尔、谷歌等行业领先合作伙伴,通过硬盘产品以及相关部件的回收和循环利用,降低对环境的压力,创建可持续发展的数据圈。面向未来,希捷还将携手更多国内外合作伙伴,通过持续的硬盘回收合作,创造更大的环保效益与经济效益。
希捷通过ADR(自动磁盘重生)技术,主动发现硬盘磁头故障,并进行自动化修复和重新上线操作,避免人为干预和非必要的硬盘替换,减少电子垃圾。
希捷研发的双磁臂技术硬盘,在典型应用场景可以为数据中心节电30%,如此运营一个25EB规模的数据中心,一年可以省1亿的电费,帮助数据中心实现节能减排和绿色可持续发展。
液冷技术显著降低服务器内的振动和噪音,提升存储架构的稳定性,确保更大容量的硬盘与服务器的“更优兼容”。为此,在希捷中国云计算实验室,希捷与合作伙伴进行“安静服务器”的联合设计和预测评估,包括风扇选型(安静风扇)、距离设置(增加硬盘与风扇距离)、吸音棉和模块布置等,优化服务器架构,从而能够部署更大容量的希捷银河(Exos)企业级硬盘和热辅助磁记录(HAMR)硬盘,加快低碳数据中心的建设。
希捷科技全球高级副总裁暨中国区总裁孙丹女士称:“在全球数据爆炸、数字经济蓬勃飞跃的今天,低碳发展与快速发展要实现共存平衡,低碳的数据中心成为发展的新诉求。存储是数据生态链中必不可少的一环,未来,希捷会继续做低碳存储的担当,融合更多业界伙伴的力量,共同打造更为绿色可靠的数据中心基础架构,推进数据中心向低碳化迈进。”
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。