IDC最新的全球数据圈五年预测显示,2024全年全球将生成159.2ZB数据;2028年将增加一倍以上,达到384.6ZB,其中企业数据份额将扩大到80.5%,即309.7ZB。在当今的数字化世界中,数据存储已跃升为企业运营中的核心动脉,帮助企业实现多用途海量数据的存储与读取。而随着企业数字化转型的推进,数据的生成、采集、传输、处理、存储和管理亦发生了巨大的变化。庞大的数据量为企业存储带来种种挑战。此外,从大数据、社交平台、移动设备、云计算,到机器人、3D打印和物联网(IoT),新技术层出不穷,对存储系统速度、灵活性、可扩展性和容量的要求也越来越高,企业需要与时俱进的现代化数字基础架构为其提供破局之法。
然而,在满足上述需求的基础上,IT团队还需要考虑:如何控制成本?如何利用现有资源完成更多工作?软件定义的存储(SDS)凭借其在成本和效率上的两大优势成为突出代表。
SDS重塑IT基础架构:灵活、安全与市场需求共驱增长
作为一种存储架构,SDS以软件层为核心,在行业标准服务器上对物理数据存储容量进行置备、编排和管理。通过将存储管理软件与硬件分离,软件定义解决方案使企业可以独立购置硬件和软件,而不必被受制于专有平台。
这种方式可以带来极大的灵活性和可扩展性,并且能够更加轻松地与云计算和大数据分析等技术集成。此外,SDS解决方案通过将底层硬件抽象化,令数据复制和备份等数据管理与保护策略的实施变得更加容易,更有效防止企业数据丢失。
SDS的出现也为企业或组织的IT基础架构带来了深刻变革。例如,在教育领域,学校可通过实施先进的软件定义存储解决方案,对IT基础架构进行彻底的再设计,提升数据处理速度以满足教职员工和学生的需求,并可实现零宕机和零数据丢失,确保基本服务始终可用。
可以预见的是,SDS将帮助企业更好地利用其数据基础架构。而从市场需求侧出发,智慧类工作场景也已经推动了SDS产品需求量的上升。IDC数据显示,2023年中国SDS市场同比增长9.8%,而在未来五年,中国软件定义市场将以6.7%的复合年增长率(CAGR)增长;预计在2028年市场容量接近39亿美元。
软件定义的存储,优势无限的明智之选
软件定义存储的两大显著优势是成本和效率。此外,存储定义解决方案可以充分使用和利用所有现有硬件,直到有必要引入新的存储介质来满足需求。与此同时,用户可以快速简单地添加新的存储阵列,并通过自助工具实现更加轻松的存储访问。最后,借助SDS,IT管理员能够更专注于数据管理本身,而非数据所在的硬件设备,从而有效提升效率。
每种软件定义存储都有自己的长处和优势,可在以下几个方面赋能企业:
除了SDS自身的优势之外,其亦可帮助企业在采用新兴存储解决方案与应对不同类型数据时更游刃有余。由于云存储拥有更佳的可扩展性、灾难恢复能力并可降低成本,企业数据存储逐渐向云端解决方案发展。通过SDS,企业可以在充分发挥云的灵活性和可扩展性的同时,依然保持对数据的控制。另一方面,企业运营所生成的大数据规模正不断膨胀,其中既包含结构化数据,也有非结构化数据。由于企业需要采集和分析的数据量异常庞大,传统的存储解决方案越来越捉襟见肘。借助SDS,企业能够以更加高效、经济的方式存储和管理这些非结构化数据。
随着数字化转型的不断深入,企业对更高存储性能、可扩展性、易管理性、灵活性以及IT基础架构效率的追求,持续影响着核心、边缘和云环境中的IT要求,SDS解决方案在各种规模企业中的普及度也日渐提高。
戴尔科技软件定义的存储,铸就未来业务保障
要使SDS发挥作用,关键在于选择部署速度快、管理简单的解决方案,而且该解决方案必须支持多种工作负载和各种用例,并可降低IT团队管理异构存储资产集合的复杂性。戴尔科技软件定义的基础架构,凭借非凡的业务敏捷性、出色的性能和扩展性,成为众多企业数字化转型道路上IT部署的不二之选。
具体来说,戴尔科技的“无边界”软件定义基础架构平台Dell PowerFlex,以性能极高的软件定义存储系统为核心,遵循自上而下的系统设计并拥有持续的生命周期管理,更可实现线性扩展,帮助企业更好地支持各种业务负载并推进其数字化转型和IT现代化改造工作。同时,PowerFlex没有缓存层或任何其他技巧,不会在缓存上浪费闪存容量,每个卷都以极细粒度均匀地分布在存储池中的固态硬盘上,因此可以获得巨大的并行性,意味着始终如一的可预测性能。
戴尔科技软件定义的基础架构Dell PowerFlex
历经诸多演化,PowerFlex如今迎来全新4.6版本,在安全、管理等方面又获得进一步提高。这一升级也再次印证了戴尔科技的承诺,即提供全面、适应性强且稳定的解决方案,帮助企业实现IT基础架构现代化、提高敏捷性并满足现代工作负载需求。凭借出色的性能、卓越的可扩展性和整合各种工作负载的强大能力,PowerFlex 4.6能够确保在苛刻的运营要求下始终如一地安全交付,以软件定义的存储之力,为企业未来业务铸就坚实保障。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。