日前,存储性能委员会(Storage Performance Council,简称SPC)公布了最新的SPC-1基准评测报告,浪潮存储AS5500G5以3300292IOPS(每秒读写操作的次数)、0.387ms时延的评测值,创造了8控存储产品性能的全球最高成绩。这是继16控存储性能领跑之后,浪潮存储在8控领域再次突破,成为唯一一家在两大存储主流市场夺冠的厂商。
存储性能委员会公布最新的SPC-1基准评测数据
存储性能委员会成立于1999年,是存储业界最知名的专业评测机构。旗下的SPC-1基准评测是业内最活跃的性能评测,旨在评估存储系统处理复杂请求和大规模数据的能力,对IO吞吐量、读写响应时间敏感度、工作负载动态变化、存储容量利用率、用户多样化、数据持久性等多种数据特征进行严苛考量。正因为SPC-1测试公正、客观,其评测结果成为企业存储选型的风向标,每次数据刷新都引发业界广泛关注,成为存储界的“奥斯卡”。截止目前,SPC-1测试吸引了Dell、Fujitsu、HPE、HDS、IBM、NetApp、Oracle、浪潮等全球数十家存储厂商积极参与。
本次SPC-1评测中,浪潮、Fujitsu、TTA等5家全球主流存储厂商的10款产品入选TOP10榜单。浪潮存储共有两款产品入选,其中浪潮AS5600G2以超752万IOPS排名总榜第二、16控存储第一,浪潮AS5500G5以超330万IOPS位居总榜第八、8控领域第一。至此,浪潮成为唯一一家在两大存储细分领域性能夺冠的厂商,相当于捧得2座“小金人”。
“8控和16控存储是业界的主流产品,主要覆盖15K–100K美元的市场,占整体存储市场份额的60%左右。浪潮存储在这两大领域的性能优势,将提升浪潮存储在主流市场的产品竞争力”,浪潮存储产品线总经理李辉表示。
当前,企业数字化转型逐步深入,从数据中快速挖掘出商业价值成为企业的核心诉求,高性能成为企业对存储系统的核心需求。数据显示,在高性能计算、数据分析、在线交易、虚拟桌面、服务器虚拟化五大IO密集型场景中,性能成为企业用户存储选型的首要考量因素,权重占比最高可达44%。
浪潮存储在8控存储赛道上具有性能和性价比双重领先优势,在同等控制器配置、同等IT建设成本下,能够支撑更多的数据并发访问,带来业务体验的升级。SPC-1评测显示,8控存储性能前三名的评测值分别为330万、270万和160万IOPS,浪潮8控存储性能比第二名、第三名分别高出约22%和106%。同时,存储性价比($/KIOPS)也一直是影响企业决策的重要因素,浪潮8控存储每KIOPS价格为5.73,第二和第三名价格分别为1.08、5, 浪潮8控存储价格比第二名、第三名低63%和50%。
在看得见的测评成绩背后,是看不见的技术创新。本次评测中,浪潮AS5500G5相比曾问鼎“中端存储性能第一”的上一代浪潮AS5500G2,在软硬件技术上大幅升级,带来SPC-1性能翻番、延迟减半,实现8控性能全球夺冠。其中在硬件层面,AS5500G5采用全新一代硬件平台,对CPU、芯片、规格和扩展性进行全面升级,此次评测,AS5500G5前端配置4个双控节点,每控搭载英特尔新一代至强CPU、128GB缓存,后端采用全闪配置,部署1.92TB TLC SSD;在软件层面,浪潮AS5500G5基于iTurbo智能引擎技术和全闪I/O栈优化,让存储系统可根据前端应用自动匹配不同数据处理策略,进行智能的IO感知、路径选择、组织和调度,让百万级IO指令和数据块在存储系统内高速传输和流动。
随着2020年新基建政策出台,数字化技术的发展和变迁呈现出加速的态势。其中,云计算经过十余年的发展已经深入应用到各行各业,大数据、人工智能的崛起开始推动数据价值的释放,5G、IoT正在重塑业界对数据速度的“期望值”。
面对新技术、新应用的变迁,高性能存储阵列的大规模应用将成为下一个十年的必然趋势。数据显示,2019年全球外部存储销售额约285亿美元,高性能的闪存存储占据全球约80%的市场份额。浪潮存储提出“云存智用 运筹新数据”的理念,以一年近10亿研发投入和上千人研发团队不断进行技术创新,实现在性能赛道上持续引领,加速企业数字化转型。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。