2016年10月26日-27日,浪潮Inspur World 2016大会在上海举办,主题是“Only Data数据进化世界”。浪潮提出,社会产业升级将从过去的技术驱动向数据驱动转变,数据是产业升级的基石。
这一表述堪称高屋建瓴,如何实现呢?浪潮认为,需要提供“场景化”数据存储方案,以丰富的存储高端联邦产品形态接驳多元化业务群组,驱动基于数据的三维智能科技产业发展。
存储老司机 驾驭“疯狂”的数据
毋庸置疑,现在是数据爆炸的时代。随机拎几个例子给大家感受一下,运营商每天新增50亿条通话记录、单个银行每天产生1亿条交易、500万人口的城市每年产生350PB交通视频、中等规模医院每天产生10TB彩超图像、1立方毫米大脑突触网络图像超过1PB、大型超市每天产生8000万条消费记录……震撼不?IDC数据规模像滚雪球,越滚越大,指数级增长。
浪潮存储产品部总经理孙钢
“DT时代,数据面临四大挑战,分别是数据增长爆炸性、数据类型多样化、数据规模不可预见性和数据处理敏捷性”,浪潮存储产品部总经理孙钢一语道破。“对于应对方法,浪潮认为,应当根据进行数据化升级的不同业务模式,提供场景化存储方案”。
比如,金融、电信、能源、交通等行业的关键业务应用,对数据有强一致性要求。比如我们在ATM上交易,尽管数据访问量可能不大,但不能容忍数据出现一丁点偏差;而对于整个银行现金交易系统,每天需要处理亿条数据,量级可能达到PB级。这些业务的共同特点是每个比特都有巨大的价值,不能出现任何偏差,这就要求存储系统提供强一致性,存储系统要能给“一厘米”的业务提供“一公里深”的可靠性。
又如,AR、VR、移动直播、4K、CG、GPS导航、网络教学等互联网化新兴业务,非结构化数据占比80%甚至更多,数据规模不可预知。这就需要开放、弹性、智能的存储系统,要不然根本承载不了。
再者,您炒股吗?或者追星,会不会经常刷票吗?最起码,您可能发个快递,需要查询快递状态?这些日常小动作,一般顾客认为比较舒适的数据响应时间需要小于2秒。这就要求企业数据平台提供敏捷的数据访问,存储要能满足IO密集型业务需求。
数据中心分论坛现场
其实,数据管理和“大禹治水”有异曲同工之处。大禹治水的原则是因地制宜、顺势而为,让水疏导和流动起来;数据管理同样需要根据不同业务需求,提供灵活的场景化存储方案,引导数据的流动。如何识别业务需求,匹配相应的存储方案,是考研一个厂商专业程度和技术积累的关键。
这方面,正是浪潮存储优势所在。浪潮在存储领域经营十余年,专业积累堪称丰厚,算是存储领域的“老司机”。此外,据IDC数据显示,2016年第二季度浪潮存储在除视频监控以外的数据存储市场位居市场前三,销售额增速36%,五倍于业界平均增速。在企业级关键数据为主的FC SAN存储市场,出货量市场第一。
可以说,企业数字化升级,借力浪潮提供的“场景化”存储方案,将相得益彰。
场景化策略 背后的“金刚钻”
以“场景化”存储方案接驳企业“数字化”升级,画面看起来美腻,实现起来却得有过硬的存储产品来支撑。
浪潮对此胸有成竹。浪潮存储高端联邦产品布局的大幕在去年已经拉开:关键数据存储AS18000在去年上市,目前完成公安、政务、水利、教育、卫生等行业、全国1/3省区的部署;全固态存储HF5000今年5月发布,通过MASP架构、(重删、压缩、消0等)算法、3D NAND固态介质等黑科技加持,让浪潮在产品技术创新上领先了一个身位,并在某省ETC一卡通项目中率先部署。9月推出AS13000-Rack,是业界首款采用四合一数据平台以及Rack Scale整机柜硬件方案的软件定义存储产品,适配云化数据中心,驱动存储高端联邦在产品形态上更加丰富,目前已在北京部分区县的教育云中实现部署。
一个生态圈、价值链
“我们今年要有10个技术合作伙伴、100家的方案提供商跟我们的客户联手做大产业联邦,服务超过一千家高端客户,这是高端联邦的另外一份含义。除了高端以外,我们还要通过产业的联合,客户的保障,一起打造一个生态圈、价值链。”孙钢表示。
承接应用 感知数据
据悉,从去年的布局到今年上半年,浪潮存储在每个省区都拥有专业的销售队伍,已经覆盖31个省区、300个地市。“高端联邦不是一家独大,包括业态、价值链需要浪潮和合作伙伴共同打造。凭借专业服务,浪潮与合作伙伴一起去打造专业‘场景化’存储方案。通过理解客户数字化升级需求,浪潮把客户的应用跟我们对数据的研究沉淀联系起来,驱动产业智能化发展。”孙钢说。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。