科技行者 7月24日 北京消息:7月23日,华为发布新一代智能存储OceanStor Dorado V6,秉承“数据+智能”理念重定义存储架构,通过永快永稳“芯”存储实现云化全融合、自动化和闪存普惠,助力新型数据基础设施建设。华为OceanStor Dorado V6采用高性能鲲鹏920芯片、SmartMatrix全互联均衡可靠架构以及AI使能的全生命周期智能管理,打造领先的智能数据解决方案,加速各行各业客户业务创新。
华为IT产品线副总裁、智能数据与存储领域总裁周跃峰表示:“当今中国正在进入蓬勃的数字经济时代,实体经济和数字经济融合发展。5G、IoT、自动驾驶以及4K/8K等新联接、新应用正加速数据生产和流动,急需升级和完善数据基础设施释放数据价值。”
为此,今年六月华为发布了FusionData智能数据解决方案,将华为OceanStor存储、GaussDB数据库、FusionInsight大数据解决方案、ROMA数据接入工具和DAYU数据使能套件等进行融合,实现从单一处理到智能融合处理,全生命周期智能管理,加速实现数据价值。
本次发布会,华为进一步诠释如何重定义存储架构,实现OceanStor存储的云化全融合、自动化和闪存普惠的三大转变:
不断打破传统边界,以深度融合推动价值创新,包括:协议融合,从单一类型走向多样化融合,打通数据孤岛,减少数据副本;存储+数据库垂直融合,以一站式数据处理大幅提升性能;此外,通过云化全融合进一步实现存储即服务,数据即服务。
打造三层完备架构的自动化数据管理系统,通过Cloud AI,Center AI,Device AI三层联动大幅提升效率,帮助用户节省OPEX。
告别机械时代,通过新一代永快永稳且更经济的全闪存产品,推动全场景闪存普惠。

华为IT产品线副总裁、智能数据与存储领域总裁周跃峰发布智能存储
华为自2009年首次正式对外发布第一代SSD控制芯片及SSD盘以来,持续在全闪存技术创新方面进行大力投入,在中国市场份额、全球市场增长率等方面位列第一。OceanStor Dorado V6将充分发挥华为在全闪存领域的技术优势,进一步完善数据基础设施架构,帮助客户将数据资源转变为数据资产,可以实现:
芯片引领,永快一步
基于鲲鹏920、网络芯片、管理芯片、SSD芯片以及昇腾AI芯片310构建端到端极速平台,提供极致性能,实现2000万IOPS以及0.1ms时延,以更快响应满足应用实时化诉求。
SmartMatrix,永远在线
全互联高可靠架构,确保单系统最多可容忍7个控制器同时失效的时候,业务仍然恒稳在线,打造存储可靠性新标杆。
端云AI,永智高效
业界首款内置昇腾AI芯片的智能存储,可提供机器学习语义关联,读缓存命中率提升50%,让存储越用越好;进一步通过端云AI实现全生命周期智能管理,最终实现三层完备架构的自动化数据管理系统,帮助用户节省OPEX。
此外,配合FLASH EVER设备永新计划可以实现部件解耦升级,数据免迁移。华为智能存储OceanStor Dorado V6为数据基础设施提供澎湃“芯”动力,提升企业生产系统效能。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。