至顶网服务器频道 10月09日(文/董培欣): 云计算、人工智能、物联网,始终层出不穷的新技术只有为用户所用,才能发挥出其真正的价值。而从产品技术向实际应用的转化,也正是企业向用户进行的赋能。只有做好赋能,才能让技术产生真正的价值。
在联想创新科技大会2018(Lenovo Tech World)商用技术及解决方案大会上,联想数据中心集团副总裁 OEM/IOT业务总经理Wilfredo Sotolongo、联想集团副总裁 数据中心业务集团中国区销售总经理李国庆与联想集团副总裁 联想研究院企业服务云计算研究室、无线研究实验室负责人黄莹共同向记者介绍了联想数据中心如何向用户进行赋能。

首先,李国庆副总裁向我们介绍了联想数据中心业务集团的概况:从去年开始联想把DCG的团队独立起来,从专业的角度深入了解设备要求、数据中心要求或者方案要求,从而更好地考虑客户的需求,并且成立了一个独立的销售团队。同时与具有丰富IBM技术经验积累的联想全球DCG团队(联想三年前所收购的IBM服务器部门)相融合,打造出一个领先的,集服务器、存储、网络的超融合专业团队,助力用户完成数字化转型。
联想自身也是一个信息化转型的践行者,可以利用自身所总结的经验技术,帮助用户从传统数据中心转型到超融合到私有云、公有云、混合云,提供端对端的提供解决方案,实现上云和转型,比如在超融合这个平台,联想本身也是SAP在亚太区最大的用户。

Wilfredo Sotolongo补充说明了联想数据中心业务集团之所以能够有如此强劲的发展主要体现在三个领域:超大规模、超级融合、超性能计算。

这三大领域是目前客户以极快地速度增加消费的技术和领域。联想的客户需要利用这些全新的技术来更好地为他们的客户提供服务和解决方案。因此,联想整个数据中心集团的关注点进行了调整,以IOT(物联网)业务为例,虽然当前规模相对比较小,但是它发展的速度非常非常地快,未来短期之内会看到业务实现高速增长。
Wilfredo Sotolongo表示:“接下来我们会不断地推陈出新,比如会宣布一些高性能平台,这些平台可以实现高密度GPU的计算负载,也会推出在边缘计算方面的服务器,还会不断推出嵌入智能能力的家庭办公或者智能办公设备,未来我们所有的产品都会具备我所说的全新编程模式,也就是人工智能的能力。”
接下来黄莹向我们介绍了联想研究院和DCG一起联手参与NFV(网络功能虚拟化)前期研究和一些实施方案:今年2月份和6月份的,联想都跟中国移动有联合展示项目,在新的接入网环境里面,把整个的网络变化成一个用x86服务器加软件的形式实现所有功能,实现端到端连接。这表明联想愿意深入参与到这个行业当中,而且跟行业的引领者一起把这些问题解决,最终能够尽快地让NFV技术落地,能够更好地让5G到来。

另外从智慧、智能这方面,通过联想创投公司,也投资了很多IT业务,其中就有智慧医疗和智慧交通,形成一个比较全面地解决方案。联想正在关注这些领域,更深入地帮助用户。
边缘计算、5G、大数据分析这些技术背后都离不开高性能的计算能力支持。而高性能计算需求的增长,又使得数据中心能耗占比在逐年攀升。节能降耗已经成为数据中心未来可持续发展的重要环节。为了更好的向用户赋能,联想数据中心在节能降耗方面也做出了非常大的技术贡献:
当前联想采用温水水冷技术,可以使数据中心能源使用效率(PUE)提升到1.1的水平;同时联想的计算应用平台可以将数据中心的工作负载、冷却、电力等所有信息采集汇总,并进行整体优化,从而降低数据中心整体能耗。
由此可知,通过技术与行业的赋能和数据中心的节能相结合,目前联想在大数据计算、大数据智能平台、大数据市场管理以及大数据集成和交换这四个方面,均可以向企业提供出全方位、全行业的技术解决方案。从而满足用户未来在云计算、人工智能、物联网等方面的各种需求。我们由此可以相信,立足于技术赋能的联想必然会用扎实的脚步向更加长远的目标进行迈进。
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。