超融合已经成为基础设施云化、边缘计算云化首选,超融合所承载的业务不断延伸,从特定应用走向通用。
IDC预测,未来5年中国超融合产品市场将保持12.3%的复合增长,其中2022年市场规模达到160亿元,其中政府、金融、企业、教育市场需求占比为66.6%。IDC中国企业研究部研究经理杨昀煦表示:“金融、医疗等行业的业务创新带动了超融合市场需求。”

IDC中国企业研究部研究经理杨昀煦
以浪潮为代表的超融合产品供应商在硬件和软件方面持续投入和更新,推动了超融合市场的快速发展。
顺应超融合市场高速增长趋势,浪潮数据总经理蒋永昌在IPF2022大会携手多家亿元分销商代表吹响 “冲刺中国超融合市场第一”冲锋号。

浪潮数据总经理蒋永昌
而IDC发布的《2022Q1中国软件定义存储及超融合市场研究报告》显示,2022年第一季度浪潮超融合销售额同比增长86.3%,近8倍于业内平均增速,市场份额跻身中国前三。
厚积薄发
蒋永昌告诉记者,浪潮聚焦数据中心业务,围绕算力,超融合是服务器实现全球战略的一个关键组成部分。
如果用一个词来形容浪潮在超融合方面的布局,那就是厚积薄发。在2014年浪潮提出了“硬件重构+软件定义”融合架构以及三步走技术路线。目前融合架构已经走过了1.0、2.0阶段,正逐步进入3.0阶段,提供更高效、灵活、智能的体系架构。
目前,浪潮在硬件重构层面已经实现了CPU同FPGA、GPU、xPU等各种计算、存储和网络加速单元的高效协同,并通过高速网络实现了计算与存储设备的分布式互联。在软件定义层面,通过浪潮云海软件实现了管理调度平面和基础设施层面的分层解耦、统一资源组织模型和标准化可编程接口。在可重构的硬件基础上,通过软件定义的方式实现软件定义计算、软件定义存储、软件定义网络等,实现数据中心多场景的按需定义、智能调度。
蒋永昌表示,浪潮聚焦数据中心客户的应用场景和需求,为客户提供更有附加值、更适合场景的软硬一体化解决方案。“关于超融合发展的差异点,浪潮看到超融合的发展更加细分,不仅仅是软件定义,而是针对场景有更细致的需求。”
面对多样化的需求,浪潮在交付速度、设计能力、供应链管理具备天然优势。
浪潮超融合产品基于云海软件、全球最全算力平台,形成了业内最全的超融合产品线,如计算密集型、计算存储均衡型、存储密集型、应用创新型等,硬件丰富,软件模块化设计,可实现按需配置。
同时,浪潮也在不断推进和完善交付和服务体系,通过发展产品技术伙伴、行业应用软件伙伴、交付服务伙伴三类生态伙伴,形成以浪潮超融合为核心的云图生态圈,为行业客户提供软硬一体化、可交付、全生命周期管理的行业系统性解决方案。
新一代超融合
浪潮在超融合的探索也经历一个探索期,从最初Xen、KVM、与第三方品牌合作到如今全自研架构,定义了新一代超融合。
浪潮数据云计算产品总监庞慷宇表示,新一代超融合具备四个特点:异构算力的融合、云原生与虚拟化的融合、混合云多云管理的整合和多样性底层计算平台的整合。
浪潮数据云计算研发总监颜秉珩也表示,超融合是一个非常复杂的系统,需要以应用为导向,从系统视角进行构建。
比如现在应用和场景日趋多样化,浪潮超融合能够支持包括x86、ARM和MIPS等多种CPU架构部署在同一集群内,实现多云算力的统一管理、融合调度,以满足用户“一云多芯”的差异化需求。
特别是浪潮云海InCloud Rail基于虚拟化+Kubernetes容器双栈引擎,让云原生和虚拟化“和平共处”。
颜秉珩说,毕竟现在云原生应用非常多,但是同时虚拟化应用也不可缺少。超融合作为云的基础底座能够让用户既能够运行虚拟机,也能够运行容器,用户可以随意进行调配。
“容器具备完整的生态,我们将容器和虚拟机并行运行在一个物理机上面,两者不相互依赖,没有依赖关系,保证用户习惯,管理起来更加方便。”庞慷宇说。
浪潮定义的新一代融合可以对外提供存储服务以及轻量化的云管能力,这个轻量化云管平台可以统一纳管多样化的底层设备,帮助企业低成本打造私有云。
庞慷宇表示,浪潮提出的超融合新理念代表了其对新一代超融合的认识,引领了超融合市场的发展。
展望未来,超融合市场向标准化和模块化发展,浪潮将会借助合作伙伴进行全面推广。同时,伴随国家在新基建的投入,超融合也会迎来快速增长期。
“凭借领先的算力供应链,以及遍布全国的销售与服务体系,浪潮成为超融合市场的核心玩家,并依托强大的生态系统,持续为用户业务上云、数字化转型升级贡献力量。”蒋永昌最后说。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。