世界进入新经济环境,所有企业都将成为“数字化原生企业”,数字化转型成为企业的核心战略。
数字化转型要求企业敏捷应对市场需求,快速推出新的产品和服务,需要全新的IT系统作为支撑;与此同时,企业原有的传统IT由运营驱动、注重成本,将与新兴业务系统并存,构成复杂的混合基础架构。我们需要更灵活的IT基础架构,既能高效运行当前的传统工作负载和应用,同时面向未来,为各类新兴业务提供创新动力,这对IT基础架构的整体设计提出了新的要求。
面向企业对传统IT和新兴IT的混合需求,新华三Synergy塑合型基础架构能够提供有效解决方案,统一管理不同工作负载。
作为业内首个为衔接传统及云原生应用而架构的塑合式平台,Synergy将计算、存储、网络等设备通过具备软件定义、自动化等特性的管理系统,集成为统一的IT基础设施交付给用户。其中,计算、存储和结构网络可以被不断重新组合,以支持物理、虚拟和容器化的工作负载。并且,所有的组合启动后即可立即用于部署工作负载,从而帮助用户实现快速部署、快速应用开发、无缝更新目标,满足云时代企业业务需求。
Synergy具备了流动资源池、软件定义智能以及统一API等三大特性。
流动资源池使得一个基础设施包括分散的计算、存储和结构池,启动后即可立即用于部署各种工作负载,并实现简单化、自动化扩展。软件定义的智能使得一个管理界面集成所有孤岛,通过模板自动进行更改操作,如升级固件、添加服务存储、修改网络连接等,从而极大地减少手动交互及人为错误,对于用户来说,这可以十分有效地降低设备运维的复杂性,并消除不必要的宕机。
Synergy提供的统一API使得用户仅需一行代码即可供应裸机基础设施,并支持用户使用自己的工具和方式进行集成,实现部署和变更仅需数秒钟,极大地提升了基础设施支持业务应用的速度。
更让人惊喜的是,Synergy通过实现整个基础设施的轻松管理和互操作,支持所有应用和运营模型,可以同时满足传统业务和数字化经济需求,借助连接传统业务与新业务基础设施的能力快速创造价值。
流动资源池、软件定义智能以及统一API,解决了资源云时代客户对于资源池化、基础设施及应用的集成与运维管理自动化的迫切需求。这表明Synergy是真正应用驱动型的技术创新解决方案,完全符合新华三关于新经济时代技术和应用双轮驱动创新的论断。
新华三集团副总裁、中国区产品行销部IT产品部总经理陈振宽表示,中国当前正在面临数字化转型,在新的经济形势下,需要更加灵活、智能、高效的IT基础设施来支撑用户同时面对传统业务与新IT架构的双重需求。“满足这种需求的Synergy塑合型基础架构充分反映了新华三在新IT、新计算方面的竞争实力,是新华三国际合作加速自主创新战略成果的集中体现,它将帮助客户在不抛弃现有资产的同时快速向数字经济进行转型,成为推动新经济时代企业发展的强大引擎。”陈振宽说。
在国际合作加速自主创新的战略下,新华三服务器品牌以新计算开创新格局,深刻洞察各行业发展趋势,将通过驱动时代的新计算,助力各行各业实现从传统IT向新IT的演进与融合。
新华三是HPE服务器、存储产品和技术服务在中国的独家提供商。依托HPE全球领先的技术前瞻,新华三提供了多款独树一帜的新IT解决方案,包括面向数据中心主流应用的x86工业标准服务器、Apollo密度优化服务器、以及3PAR高端存储系统。
Synergy则是全新的塑合架构系统,其集计算、存储、管理为一体的架构为HPE所独创,通过构建流动资源池、软件定义的智能和统一API,实现基础设施即代码(DevOps),对于应用所需的基础设施资源实现秒级供给。
与此同时,新华三在自主创新方面也注入了强大的实力。于2016年推出多款自主研发服务器存储系统,全面覆盖企业关键业务、大数据及虚拟化整合等主流业务需求。自研服务器产品已在多个大型互联网公司得到规模应用,在技术水平、供应链能力、售后服务能力等方面获得客户认可。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。