根据IDC报告预计,未来5年中国企业级存储市场仍将保持8.2%的年复合增长率,远高于全球-0.4%的年复合增长率。在全球市场受到云计算冲击的情况下,中国市场逆势上扬,因而成为IT厂商更为关注的焦点。
日前,紫光旗下新华三集团(以下简称新华三)举行题为“新IT 新动能 新格局”的下一代计算与存储发布会,推出了一系列IT产品新品,其中就包括了诸多存储设备,给国内的存储市场又带来一股“新风”。
“51%的客户认为未来5年内,他们将拥有全闪存的数据中心。”在新华三下一代计算与存储发布会上,新华三集团副总裁兼中国区产品行销部总经理李立表示,当下的数据中心存储,正在迎来经历“闪存创新”的全新阶段。
闪存作为企业级存储的一种新“潮流”,在近几年中迅速成为了传统硬盘的替代品。凭借在性能上的先天优势,在解决了性价比问题后,闪存开始逐渐成为用户企业级存储的主流选择。
新华三在这一领域一直扮演着领先厂商的角色,而且所销售的存储产品中,与闪存相关的产品已经占到了70%。对于新华三来说,闪存已毫无疑问成为未来存储市场的焦点,是新华三存储瞄准的重中之重。
此次发布会中,新华三也推出了全新的3PAR系列闪存产品3PAR 9450全闪存储与3PAR 20000系列。这些产品在性能、易管理性、安全性、稳定性、性价比等方面都得到了大幅度提升,例如在性能上,3PAR系列闪存新品较之以前提升了一倍,未来更是可以提升16倍。所有这些,为用户的业务提速、简化管理、降低业务风险、优化投资等都有着十分显著的价值。
面对未来的“闪存新常态”,新华三能给用户提供哪些新的变化呢?“目前新华三3PAR系列产品可以实现380万IOPS,0.2-0.8MS延时,84GB/S带宽,不久的将来,我们会借助Storage Class Memory NAND flash技术,让平均延时小于0.2MS。” 新华三中国区存储产品管理部总经理徐润安表示,将来新华三的存储产品将采用全存储级内存技术(Storage Class Memory),进一步将这一指标降到0.1ms之下。在闪存这条“大道”上,新华三存储仍将持续保持领先优势。
除了闪存之外,此次新华三下一代计算与存储发布会中,关于存储的另一个关键词是“海量”。这与当前用户数据量迅猛的增长趋势有着密不可分的关系,根据IDC的预期, 到2020年,全球数据总量将达到44ZB,而2025年则暴增至163ZB。
而在中国,随着大数据等应用的兴起以及各行业的业务变革,海量数据的存储需求尤其是分布式存储需求尤为迫切。北京中科大洋科技发展股份有限公司副总裁毛烨指出,当前广电、媒体等行业正在迈入4K高清时代,这背后带来的则是几倍乃至十几倍的数据量增长,这对存储系统的容量、性能、响应速度都提出了更严峻的挑战。
实际上,不仅仅在广电、媒体领域,徐润安指出,在地质、金融、生物工程、人工智能等诸多领域,都存在大量的海量存储需求。对此,此次发布会上新华三重点推出了“海量数据存储之王”H3C UniStor X10000系列的5款新品。它能提供288节点扩展性,最大支持50PB容量,性能及容量能随着节点的增加而线性增长全面满足广电、视频监控、科研教育等行业针对容量及性能的不同需求。
在新华三之前提供的存储产品中,分布式海量存储类别尚未涉及,因此H3C UniStor X10000的推出,不仅在分布式存储方面进一步完善了新华三整体存储产品体系,同时也是新华三“应用驱动”在存储领域的充分体现。
新华三在服务器和存储方面都在不断加大自研力度和投入,并且取得了卓越的成果。在日前的新华三新品发布会上呈现的十几款存储设备中,有5款属于自主研发的H3C品牌。
对此,新华三集团副总裁兼中国区产品行销部总经理李立表示,新华三IT产品线的发展策略是通过国际合作加速自主创新,凭借在技术、产品、质量控制等方面的国际水平经验,加强自主研发能力,推出更多满足用户实际需求的产品。可以说,新华三的存储自主创新能力已经成型。
从效果上来看,针对国内存储市场发展的特点,新华三自主研发了以H3C UniStor X10000为代表的系列产品,新华三也已经拥有了国内业界最全的存储产品线。李立表示,在“应用驱动,云领未来”的新IT战略指引下,新华三还将继续加大自主研发力度,推出更多更有针对性的存储产品和解决方案。
作为一个庞大而复杂的市场,中国用户对企业级存储的需求也存在多样性。用两条腿走路的新华三在未来的存储市场竞争中,将迎来更为宽广的格局。让我们拭目以待。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。