伴随数字经济的深入推进,数据规模指数级增长,组织和企业越发需要高效完善的数据存储系统以提升业务效率,加速应用创新。作为数字化解决方案的领导者,紫光股份旗下新华三集团正式推出新华三HPE Alletra 5000新一代混闪存储系统,旨在为用户提供更可靠、经济、便捷的数据使用体验,让业务运转更弹性、更敏捷,加速百行百业应用创新与变革。

新华三HPE Alletra 5000新一代混闪存储系统是自适应的云原生数据基础设施平台,可支持核心关键业务、混合主要工作负载、辅助备份和灾难恢复等不同使用场景。针对严苛的业务连续性要求、管理运维简化挑战等企业降本增效诉求,Alletra 5000一体化平台提供的云运营模式能够大幅简化操作,同时确保业务始终在线,全方位提升客户的使用体验。
安全可靠丨6个9可用性为业务连续性保驾护航
新华三HPE Alletra 5000通过云原生数据基础架构和Infosight智能引擎,为客户打造了一个兼顾可用性、经济性和性能的一体化平台。通过此平台, Alletra 5000简化了存储操作,确保应用程序始终在线,全面提升存储体验。新华三HPE Alletra 5000将原生闪存优化架构与新华三HPE InfoSight 预测性分析相结合,通过三重奇偶校验和内驱奇偶校验,可实现超6个9(99.9999%) 的数据可用性。在AI加持下,90%的问题可通过InfoSight自动预测和解决,从而提高存储性能、可用性并优化资源利用率和规划,最大限度保证数据安全可靠,为业务连续性保驾护航。
经济高效丨亚毫秒级延迟提升响应速度25%
新华三HPE Alletra 5000存储继承新华三HPE Nimble存储系统革命化的原生闪存优化架构,将数据写入完全顺序化,数据读取缓存命中率提升到平均95%以上,达成了性能和容量的兼得。同时, Alletra 5000也支持客户以低廉成本从新华三HPE Nimble过渡,充分保护用户原有投资,进一步降低企业成本。相较传统混合闪存阵列, 新华三HPE Alletra 5000突破HDD性能瓶颈,混闪配置实现全闪性能,以亚毫秒级延迟加快应用响应速度。Alletra 5000存储采用应用感知的在线变长重删和自适应压缩,配合其他数据缩减技术,将数据缩减效率提升至5:1,进一步提升了性价比。较高的磁盘经济性及存储阵列管理效率,使得其速度提升25%的同时,仍然保持了合理的价格,显著降低了部署成本。
化繁为简丨运维时间缩减99%
通过新华三DSCC智慧中枢,新华三HPE Alletra 5000为客户提供了存储服务的云运维体验,为应用和数据提供跨边缘、核心和云支持,实现数据管理的现代化。借助AlOps驱动的智能自动优化SLA, Alletra 5000提供的云管理基础架构基于SaaS云控制台,实现了全局监控和管理整个数据存储系统,化繁为简,让跨地域管理像管理本地系统一样简单。为了进一步简化操作提升效率, Alletra 5000可自适应地用于通用和辅助工作负载,灵活便捷的存储管理模式,让业务线、数据库管理员自行调配存储以加快应用程序部署,大幅降低技术门槛,运维时间最高可节省99%。
新华三HPE Alletra 5000新一代混闪存储系统能够为各行业提供简单、可靠、经济、高效的混合存储解决方案,助力用户深挖数据潜能,释放数据价值,加速上层业务创新。在云数智全面发展的今天,新华三集团将在“云智原生”战略指引下,聚焦行业应用落地需求,持续打造“内生智能”的数字基础设施,与合作伙伴一起,推动数字产业迈向高质量发展新阶段,为百行百业数字化转型注入新动能。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。