خانه اخبار

اخبار شرکت دل و فیزیک داده

همه محصولات

سرور ذخیره سازی رک
(179)

سرور فیوژن هواوی
(31)

سرور Poweredge Dell
(59)

سرور H3C
(31)

سوئیچ های دیتاکام
(96)

دستگاه WLAN
(21)

روتر بی سیم هوشمند
(17)

هارد دیسک HDD
(78)

هارد داخلی SSD
(16)

کارت گرافیک Geforce
(27)

پردازنده CPU اینتل
(20)

رم حافظه سرور
(6)

سرور ذخیره سازی بازسازی شده
(6)

ماژول فرستنده گیرنده SFP
(4)

سوئیچ کانال فیبر
(125)

گواهی

نظرات مشتریان

کارکنان فروش Beijing Qianxing Jietong Technology Co.,Ltd بسیار حرفه ای و صبور هستند. آنها می توانند به سرعت نقل قول ارائه کنند. کیفیت و بسته بندی محصولات نیز بسیار خوب است. همکاری ما بسیار روان است.

—— 《Festfing DV》LLC

وقتی فوراً دنبال CPU اینتل و SSD توشیبا می‌گشتم، Sandy از Beijing Qianxing Jietong Technology Co., Ltd کمک زیادی به من کرد و محصولات مورد نیاز را به سرعت به من داد. من واقعا از او قدردانی می کنم.

—— کیتی ین

Sandy of Beijing Qianxing Jietong Technology Co.,Ltd فروشنده بسیار دقیقی است که هنگام خرید سرور می تواند اشتباهات پیکربندی را به موقع به من یادآوری کند. مهندسان نیز بسیار حرفه ای هستند و می توانند به سرعت فرآیند آزمایش را تکمیل کنند.

—— استرلکین میخائیل ولادیمیرویچ

ما از تجربه همکاری با شرکت پکن چیان‌شینگ جیه‌تونگ بسیار خوشحالیم. کیفیت محصول عالی است و تحویل همیشه به موقع انجام می‌شود. تیم فروش آنها حرفه‌ای، صبور و در پاسخگویی به تمام سوالات ما بسیار مفید است. ما واقعاً از پشتیبانی آنها قدردانی می‌کنیم و مشتاقانه منتظر یک مشارکت بلندمدت هستیم. اکیداً توصیه می‌شود!

—— احمد نوید

کیفیت: تجربه عالی با تامین کننده من. MikroTik RB3011 قبلا استفاده شده بود، اما در وضعیت بسیار خوبی بود و همه چیز به خوبی کار می کند. ارتباطات سریع و بدون مشکل بود،و تمام نگرانی هایم به سرعت حل شد. عرضه کننده ي خيلي قابل اطمينان

—— گران کولسیو

چت IM آنلاین در حال حاضر

شرکت اخبار

دل و فیزیک داده

دِل ادعا می کند که معماری های ذخیره سازی هوش مصنوعی با یک فضای نامی با واقعیت های گرانش داده های توزیع شده شرکت در تضاد هستند و GPU ها را مجبور می کنند به دلیل محدودیت های معماری حل نشده در انتظار داده ها متوقف شوند.

در قلب آن یک انتخاب اساسی وجود دارد: آیا داده ها باید به پلت فرم محاسباتی سفر کنند یا پلت فرم باید به جایی که داده ها قرار دارند برود؟از سیستم عامل های داده های هوش مصنوعی در سه پست وبلاگ استفاده می کند..

در اولین پست خود، هاید استدلال می کند که مجموعه داده های عظیم دارای جاذبه داده های ذاتی هستند که آنها را در مکان های اصلی خود قفل می کند مرکز داده های اصلی، سایت های لبه، مناطق انطباق حاکم، محیط های SaaS،انبار داده هابه عنوان ساده ترین قانون هوش مصنوعی شرکت، پایان نامه او می گوید داده ها در جایی که فرود می آیند باقی می مانند و بیشتر آنها هرگز منتقل نمی شوند.

اختلافات بسیاری در فناوری اطلاعات شرکت ها، معماری های داده های یکپارچه را مسدود می کنند: قوانین نظارتی و حاکمیت، قفل کردن برنامه ها، مالکیت رقابتی داده ها، موانع قراردادی و هزینه،تجزیه داده های ادغام و خرید، آرشیو های بسته به انطباق، داده های ناشناخته بدون کاتالوگ و سیلو های داخلی سازمانی.

او داده ها را به سه شکل متمایز طبقه بندی می کند:

داده های خام: فایل ها، سوابق، تصاویر، ویدیو، تلمیتر، جدول های تنظیم شده.
متاداتا (طبقه توصیفی): برچسب ها، نسب، طرح ها، طبقه بندی ها، نشانگرهای مالکیت. سبک وزن و ارزان برای تکرار، امکان مشاهده هوش مصنوعی در تمام دارایی ها بدون حرکت داده های فیزیکی.
وکتورها (نمایندگی معنایی): جاسازی های ریاضی تولید شده توسط هوش مصنوعی ، آگاه از محل و تراز شده با GPU. آنها بدون انتقال داده های خام اساسی ، معنای زمینه ای را در سراسر محیط منتقل می کنند.

هاید اشاره می کند که هوش مصنوعی نیازی به حرکت داده های خام ندارد، فقط متا داده ها و بردارها قابل دسترسی هستند. یک کاتالوگ متا داده ها دید کامل از دارایی های متقابل سیستم را برای بار های کاری هوش مصنوعی فراهم می کند.در حالی که شاخص های بردار قدرت میان محیط استدلال معنایی. داده های خام سنگین محدود ، متعلق به خود ، حساس به تاخیر ، توسط تیم های عملیاتی موجود خود اداره می شود. وکتورها دارای حساسیت محلی و نزدیکی GPU هستند:هرکدام از داده های خام به نقاط پایانی بردارسازی منتقل می شوند.، یا داده ها به صورت محلی پیش از انتقال بردارها به زیرساخت های مجاور GPU جاسازی می شوند. این چارچوب به دلیل کامل استدلال او است.

داده های توزیع شده داخلی شرکت، طراحی لایه داده های هوش مصنوعی را به دو فلسفه مخالف تقسیم می کند:

استیک های یکپارچه شده ذخیره سازی (به عنوان مثال توسط VAST AI OS): ساخته شده در اطراف متمرکز کردن مجموعه داده های بزرگ در یک فضای نام واحد کنترل شده توسط فروشنده،پیوند محکم خدمات جاسازی شده هوش مصنوعی برای عملیات ساده تراین مدل فرض می کند که داده ها به پلت فرم مهاجرت می کنند تا تثبیت را توجیه کنند و برای پیاده سازی های هوش مصنوعی سبز کار می کند.
پلتفرم های داده های هوش مصنوعی فدراسیون (چارچوب Dell): بر اساس این فرض طراحی شده است که داده های سازمانی به طور دائم توزیع می شوند، که نیاز به این است که پلتفرم در کنار مکان های بومی داده ها کار کند.پلت فرم داده های هوش مصنوعی Dell، PowerScale و ObjectScale را با یک سطح کنترل فدرال برای دسترسی و پردازش داده ها در سیستم های فایل ترکیب می کند، ذخیره سازی اشیاء، انبارها، ابزارهای SaaS و ابرهای عمومی ٬ هیچ کپی داده های متمرکز اجباری ندارد.هر سه رو به طور مداوم اداره ميکنه، و از متا داده های سبک وزن و وکتورها برای ارائه ارزش استفاده می کند در حالی که داده های خام سنگین در محل خود باقی می مانند.

در وبلاگ دوم هاید، معماری های یکپارچه شده ذخیره سازی مانند VAST AI OS را به دلیل نادیده گرفتن واقعیت های داده های توزیع شده شرکت مورد انتقاد قرار می دهد. این استیک ها بر اساس یک فرضیه سخت کار می کنند:تمام پردازش هوش مصنوعی به طور انحصاری بر روی داده های وارد شده به فضای نام اختصاصی آنها اجرا می شود، داده های خارجی را برای پلت فرم نامرئی می کند. فروشندگان ابزار مهاجرت، تثبیت بازار به عنوان یک ساده کننده عملیاتی را ارائه می دهند.و UI های یکپارچه ای که مناظر داده های واقعی را در طول نمایش پنهان می کنند.

معماری هایی که داده های خام، متا داده ها و وکتورها را به یک دسته یکپارچه قرار می دهند، به طور پیش فرض به دستور ناقص مهاجرت داده های انبوه عمل می کنند.چارچوب هایی که سه لایه را متمایز می کنند، داده های سنگین تنظیم شده را به صورت محلی کنترل می کنند.یک فضای نام واحد تنها در صورتی کار می کند که داده های خام تنها دارایی مورد نظر باشد.زمانی که متاداتا و وکتورها به عنوان اجزای اصلی مستقل شناخته شوند، بی اثر می شوند..

معماری فدراسیون Dell بر سه اصل اصلی کار می کند:

داده های خام در محل اصلی خود تحت تیم های حاکمیت موجود باقی می مانند
متاداتا به صورت جهانی تکرار می شود، و به تمام بارهای کاری هوش مصنوعی قابلیت مشاهده کامل دارایی های متقابل را می دهد
وکتورها زمینه معنایی را در سراسر محیط حمل می کنند، که استدلال هوش مصنوعی را بدون انتقال داده های خام امکان پذیر می کند

پست سوم هاید ثابت می کند که طراحی فدراسیون دِل در تغذیه داده ها به گپ ها از استیک یکپارچه شده ذخیره سازی VAST بهتر است.دِل در اکتبر 2025 آزمایشات جانبی را در باره بارهای کاری کش ویکتور KV با استفاده از مدل Qwen3-32B منتشر کرد.، با استفاده از معیارهای داخلی دل و افشای عمومی VAST:

PowerScale: 0.82s زمان تا اولین توکن (TTFT)
ObjectScale: 0.86s TTFT
VAST: 1.5s TTFT
vLLM پایه بدون تخلیه KV cache: 11.8s TTFT

He states architectures built around GPU delivery—treating raw data as gravity-bound and portable semantic vectors as the transportable layer—amplify Dell’s performance edge with every inference requestطرح های وابسته به مصرف داده های خام در یک فضای نام اختصاصی دچار تاخیرات ساختاری ذاتی هستند.

"هايد" اذعان ميکنه که "واست" نتايج تازه اي از تخليه کش "KV" رو منتشر کردهبه ویژه در دسامبر 2025 با Nvidia Dynamo و CoreWeave با اشاره به ~ 20 برابر سریعتر TTFT در مقایسه با باز محاسبه و 90٪ بهره وری GPU بالاتربا این حال، این آزمایشات از بار کار و خطوط پایه های متمایز استفاده می کنند، بدون اینکه Qwen3-32B مطابقت داشته باشد که از 1.5s VAST TTFT منتشر شده باشد.

او از شرکت هایی که معماری داده های هدفمند GPU را انتخاب می کنند، می خواهد یک سوال مهم را مطرح کنند:در مقابل مجموعه داده های مخلوط از جمله تنظیم شده، منابع حاکم و برنامه های قفل شده؟

این پرس و جو، فروشندگان را مجبور می کند تا به مبادلات ساختاری اساسی بپردازند، محدودیت های عملکرد را در صورتی که داده ها نمی توانند به فضای نام خود وارد شوند، توضیح دهند، TTFT بازتولید شده را منتشر کنند،معیارهای نرخ ضربه توکن در ثانیه و حافظه کش بر روی مدل های مدرن منبع باز با روش کامل، و صادقانه به نگرانی مالی اصلی پاسخ دهید: این معماری چه مقدار زمان بیکار GPU را ایجاد می کند؟

نظرات

مجموعه داده های بردار شده بسیار بزرگتر از داده های خام منبع خود هستند. جاسازی اغلب حجم منبع اصلی را 3 ′′ 20x یا بیشتر در هر رکورد ضرب می کند، که با اندازه تکه متن متفاوت است،قالب های ابعاد و ذخیره سازی. مجموعه داده های منبع به قطعات جداگانه ( پاراگراف ها ، پنجره های توکن ثابت) تقسیم می شوند که برای دقت بازیابی برتر پیش از جاسازی شده اند. یک قطعه متنی استاندارد 250 × 500 کلمه تقریباً برابر با 0 است.متن خام 5KB، با بردار مربوطه اغلب 3×10 برابر بزرگتر است.

پرسش اصلی حل نشده: در کجا وکتور سازی انجام می شود و آیا مجموعه داده های بزرگ وکتور اگر از GPU ها دور تولید شوند منتقل می شوند؟ حجم قابل توجهی از آنها گرانش داده های خود را ایجاد می کند.تیم ها یا داده های خام را به زیرساخت های جاسازی منتقل می کنند یا مجموعه های بردار کامل را به محاسبات هوش مصنوعی منتقل می کنندما این تناقض را به جان هاید برای توضیحات بیشتر نشان دادیم.

شرکت فناوری چینجینگ جیوتونگ پکن، لمیتد
سندي يانگ، مدير استراتژي جهاني
واتساپ / وی چت: +86 13426366826
ایمیل: yangyd@qianxingdata.com
وب سایت: www.qianxingdata.com/www.storagesserver.com
تمرکز کسب و کار:
توزیع محصولات ICT / ادغام سیستم و خدمات / راه حل های زیرساخت
با 20+ سال تجربه توزیع فناوری اطلاعات، ما با مارک های پیشرو جهانی همکاری می کنیم تا محصولات قابل اعتماد و خدمات حرفه ای را ارائه دهیم.
استفاده از تکنولوژی برای ساختن یک جهان هوشمند، ارائه دهنده خدمات قابل اعتماد محصولات ICT شما

میخانه زمان : 2026-06-23 13:54:14 >> لیست اخبار

اطلاعات تماس

Beijing Qianxing Jietong Technology Co., Ltd.

تماس با شخص: Ms. Sandy Yang

تلفن: 13426366826

اخبار شرکت دل و فیزیک داده

سرور ذخیره سازی رک

سرور فیوژن هواوی

سرور Poweredge Dell

سرور H3C

سوئیچ های دیتاکام

دستگاه WLAN

روتر بی سیم هوشمند

هارد دیسک HDD

هارد داخلی SSD

کارت گرافیک Geforce

پردازنده CPU اینتل

رم حافظه سرور

سرور ذخیره سازی بازسازی شده

ماژول فرستنده گیرنده SFP

سوئیچ کانال فیبر

نظرات

سرور ذخیره سازی رک

12 Bays 1U Rackmount سرور Lenovo ThinkSystem SR630 Rack Server

ThinkSystem SR250 V2 4SFF Rack Storage Server پردازنده Intel Xeon E-2378G

سرور Intel C621A Rack Storage Server Inspur NF5180M6 1U Rack Mount Server

سرور فیوژن هواوی

FusionServer 5288 V6 4U Rack Server 32 DDR4 DIMM 44 Hard Disk 3.5 اینچی

سرور فوق العاده با چگالی هواوی فیوژن سرور 1U شبکه ذخیره سازی سرور 1288H V5

نسل جدید OceanStor 5310 Huawei Rack Server Hybrid Flash Storage