随着十四五规划的落地、“东数西算”工程正式全面启动,推动数字化转型向纵深迈进。如何有效地管理海量多样的数据类型,实现资源共享,进一步发掘数据价值,高效支撑多样化应用,成为存储系统亟待解决的问题。3月23日,曙光就以上问题在京举行技术研讨,与行业资深专家共探存储新发展。
分布式统一存储
应对海量数据多样化应用需求
“面对海量爆发的数据,传统集中式存储已经不是最优选了,现在更多是采用分布式存储解决这个难题。”在海量数据多样化应用需求面前,中科曙光存储事业部副总经理张新凤给出了解决方案。
据悉,相较于传统存储,横向扩展的分布式存储具备扩展性强、容量大、数据安全性高等特点,可轻松应对海量数据的管理需求。而近10年来,曙光一直致力于海量数据存储与处理技术的研发,面对数字化转型的挑战,曙光分布式统一存储系统ParaStor,可应对“5G+AI+云”时代下的海量数据多样化应用需求。
曙光ParaStor集结多项优势
激发数据潜在价值
张新凤介绍,去年底,曙光ParaStor融合了文件、对象、块、HDFS多种协议,真正实现了海量异构数据资源的融合,高效助力企业的数字化转型,可广泛应用于高端计算、通信、自动驾驶、EDA、能源勘探等多个领域,全面挖掘数据的潜在价值。

曙光ParaStor单一存储节点同时支持文件、块、对象、HDFS四种存储服务,3节点存储集群即可承载非结构化与结构化数据业务,消除存储设备多样性及管理复杂性,降低存储系统的构建成本;为了满足对象应用,曙光ParaStor对IO协议栈进行极简优化,实现了单桶千亿KB级小对象的存储能力,存储集群百万级TPS吞吐性能可达到业内领先水平;同时,曙光ParaStor提供原生HDFS接口,无任何协议损耗,无缝接入大数据平台,实现存储与计算资源按需配置的同时,满足新老存储同时读写,应用“0”改造,数据“0”迁移,构建更佳的高性价比大数据存算分离解决方案。
值得一提的是,基于自研优势,曙光可根据不同行业用户的不同需求,进行代码级的定制化设计与开发,产品功能和性能指标可大大优于同类产品。同时,多年来超大规模项目的部署经验与应用的支持,让曙光ParaStor的可靠性和稳定性得到了充分的市场检验。
“存储市场是需要很深技术积累和很大资金投入的市场,所以很早预估到行业的发展趋势,进行自主研发产品的企业一定会跟未来的趋势高度结合”赛迪顾问业务总监高丹表示。作为国内第一批做自研分布式存储的厂商,曙光将不断进行自我革新,根据市场趋势进行产品和系统的迭代升级,开发更多场景应用,切实推进企业的数字化转型。
曙光技术圆桌派精彩回顾:https://live.vhall.com/v3/lives/watch/556380469
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
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。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。