IT时代的数据中心以软硬件设备为核心,一定程度上应用和数据受限于数据中心的硬件条件;而DT时代,应用和数据则成为了企业所关注的重点。这一转变造成了当今数据中心所有组成部分需要考虑的不仅是提升性能,而是如何为企业挖掘数据价值服务。对于主流存储厂商而言,对于存储解决方案的思考也早已不局限在提高设备性能、降低成本的层面。存储未来如何做才能算是顺势而为呢?
技术演进为大数据发展铺平道路
过去数十年中,数据中心都在一个高速发展的状态,数据中心中大部分组件都遵从摩尔定律实现了性能的周期性提升,低性能的磁盘也逐渐被闪存所取代。数据中心技术的高速发展推动了企业应用的演进。在更高效的IT基础架构的支持下,企业应用可以满足更多用户的需求,也可以发展更多的功能。
随着企业关注点从搭建一个稳定、高效且低成本IT架构到挖掘企业数据价值,传统的 IT时代也逐渐实现了向DT时代的过渡。在DT时代,数据中心所有的组成部分都在思考自己的角色应当如何转变。而存储自然也要转变角色,适应DT时代的需求。
从传统存储到资源管理者
2015同有科技新品发布会上,同有科技作为一家专业存储厂商,给出了自己独特的思路。同有科技产品中心总经理仇悦对新品NCS12000的描述是:"它可以站在使用者的角度来实现自动部署,它可以站在存储专家的角度,动态调整存储资源的分配,包括容量的分配,以及性能的优化分配。它还可以站在系统管理员的角度,对所有资源进行统一的管理。"
这段演讲展示了同有对存储未来发展方向的思考。仇悦强调了NCS12000对存储资源的管理和控制能力,这其中包括容量的分配、性能的优化及按需部署等。站在资源管理角度看待存储,其直接的效果是存储不再是一个复杂封闭的系统,而是一个能够快速部署、灵活扩展并且易于运维的系统。当应用功能越来越复杂、数据量呈现出爆炸式的增长,系统如果不能对资源实现灵活管理和分配将是一个灾难。
从感知应用到重新交付配置方案
要实现对底层存储资源的统一管理和控制只能说是DT时代对存储提出的第一个需求,在这个基础上存储应该更了解应用的需求。这正如商店能够对自己的商品数量和种类进行很好掌控的同时,还应准确的掌握用户的偏好和需求量。从获取应用和系统状态数据,到形成新的资源配置方案,NCS12000将这个实现过程分为了三个阶段。
首先是感知引擎获取并处理过的数据(这里的数据又被分为应用感知数据,负载感知数据以及服务感知数据);第二步是通过同有的核心算法对数据进行处理并且设计出新的资源交付配置方案;最后,以上述的配置方案,同有将会做进一步的加工和优化最终交付给用户一个新的配置方案。
这个从对系统和应用进行全面分析到形成新配置方案的过程中,同有即完成了对自己固有存储技术和核心算法的集成,同时将存储向应用推进了一步。这是让存储更了解业务的一种做法,也是NCS12000能够适应众多具有不同需求的业务场景的关键。
从存储的发展来看,靠近应用和挖掘数据价值无疑是两个重要的方向,软件定义存储、闪存及数据的生命周期管理无不体现了这一思想。NCS12000同样具有很多亮点,而其中对应用需求和系统状态感知,并以此为基础对存储资源进行统一管理和灵活配置可以说是最抢眼的。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。