近日, 2023闪存峰会于杭州圆满举办,峰会聚焦以闪存与内存芯片为核心的存储器产业生态,重点关注存储器设计与制造、存储控制芯片、闪存存储系统、SCM存储级内存等新兴领域话题。宏杉科技CEO杨柳、宏杉科技副总工程师黄永出席峰会并发表专题演讲,分享宏杉科技在存储行业的深刻洞察、技术理念、创新实践。
在峰会展区,宏杉科技重磅展示G3系列存储新品,吸引众多行业用户、上下游合作伙伴驻足关注。
在百易传媒揭晓的“2023年闪存风云榜”中,宏杉科技MacroDisk MD5500(智能盘柜)凭借创新的存算分离架构,完美契合HPC、AI训练等创新应用场景,轻松打造性能更强、空间利用率更高、可靠性更佳、更易管理的存储资源池,成功斩获“2023年度闪存创新产品技术奖”。
当前,SAN存储仍是企业级存储市场用户的主要选择,而全闪存则是SAN存储技术演变发展的主要方向。在峰会主论坛,宏杉科技副总工程师黄永围绕宏杉科技全闪存SAN存储在可靠性、性能、全场景闪存化等方面的优化升级发表了技术演讲。
宏杉科技副总工程师黄永
存储可靠性层面:
宏杉科技成功实现了第三代紧耦合四控V4引擎技术,控制器互联协议采用100G RDMA协议,形成更可靠的互联架构;成功推出三站点环形灾备数据保护方案,同步复制和异步复制根据复制链路条件自动在线转换,进一步提升数据中心的数据安全。
存储性能层面:
以具体产品为例,今年,宏杉科技先后发布了G3系列企业级存储与NS系列高性能NAS产品。MS9000G3进一步优化了多控多活的存储性能,IO流量负载更加均衡、控制器故障切换接管时延更低;NS系列NAS采用全新的NAS V3版本,对NAS软件进行了重大改进和重构,同时针对NAS底层存储进行了闪存优化,包括文件系统元数据LUN的全闪存加速和多日志链的并发读写技术,NS系列NAS的文件系统访问性能比上一代产品提升了一倍以上。
全场景闪存化层面:
针对以VMware为代表的服务器虚拟化平台和数据库系统等传统应用,宏杉科技实现了全NVMe 特性支持,同时,针对混合云环境与微服务架构应用的容器编排平台,宏杉科技SAN存储也实现了对OpenStack Cinder驱动、K8S CSI接口的NVMe协议支持,并成功利用存储双活、同步复制技术使得各类新兴应用拥有与传统应用相同级别的容灾保护。
宏杉科技CEO杨柳发表主题演讲
峰会期间,宏杉科技CEO杨柳出席投资视角下未来存储行业融合创新发展专题论坛,并发表题为《以先进存力,把握产业发展新机遇》的专题演讲。她认为,海量数据爆发式增长,AIGC大模型等新兴应用纷纷对存储提出了更大容量、更高性能等方面的需求,存力的发展空间巨大。杨柳向与会嘉宾分享了当前产业数字化转型下,中国存力的发展新态势,她指出,新兴的存算分离架构或将成为未来先进存力的重要发展方向,这也是宏杉科技当前的技术研究重点之一。未来,宏杉科技将大力发展先进存力,将新技术与新应用深度结合,以帮助各行业客户走好数字化转型道路,携手共迎数字经济时代的产业新机遇。
数字化时代,存力发展空间巨大,存储产业未来可期,宏杉科技专注存储多年,亦看到了更多的变革与机遇。海量数据爆发式增长、创新应用持续萌发,宏杉科技坚持立足用户实际需求,紧跟前沿技术发展,未来,宏杉科技将以创新存储为用户提供先进存力,进一步实现存力的实时敏捷、降本增效、绿色低碳,协助用户进行智能化、安全化的数据管理,推动千行百业的数字化转型。
好文章,需要你的鼓励
谷歌将Agent2Agent协议捐赠给Linux基金会,联合亚马逊AWS、思科、微软、Salesforce、SAP和ServiceNow等主要技术厂商,共同推进AI代理通信标准化。该协议作为通信层,允许AI代理发现彼此能力、安全交换信息并协调复杂任务。目前已有超过100家技术公司支持该协议,有望解决企业AI部署中的平台碎片化问题,实现跨平台代理互操作性。
ByteDance智能创作实验室发布的Phantom-Data是首个大规模跨情境主体一致性视频生成数据集,包含约100万个身份一致配对样本。该数据集通过创新的三阶段构建管道,从5300万视频和30亿图像中精选高质量跨场景配对,有效解决AI视频生成中的"复制粘贴"问题,显著提升文本遵循能力和视觉质量。
谷歌DeepMind发布AlphaGenome人工智能工具,可全面预测人类DNA序列突变或变异对基因调节的影响。该模型能处理长达100万个碱基对的DNA序列,预测数千种分子特性,包括基因起止位置、剪接位置和蛋白质产量等。AlphaGenome在多项基因组预测基准测试中达到最先进性能,可预测剪接错误引起的罕见遗传疾病。研究人员认为这是该领域的里程碑,有望成为疾病研究的强大工具。
普林斯顿大学研究团队开发了ReasonFlux-PRM,这是首个能深度理解AI复杂思维过程的评分系统。不同于传统只看最终答案的评估方法,新系统能评判AI思考轨迹的每个步骤质量,在数学和科学推理任务上实现了平均4.5%-12.1%的性能提升,为AI教育和训练提供了突破性的解决方案。