“ABC”是指A(AI,人工智能)、B(Big Data,大数据)、C(Cloud,云计算)为代表的产业趋势和技术革命。
这一波技术革命对IT架构产生了根本性影响。云计算让分布式架构成为主流,大数据催生了海量数据,AI让数据对计算和算法产生新的需求。而这些技术推动的核心是数据本身的价值。如果没有数据,IT架构的进化就不存在,同样云计算、大数据和AI这些技术创新更是无法谈起。
数据价值的体现,需要IT架构来支撑,这就让IT架构的进化成为刚需。从硬件到软件都需要全面的升级。因此更好的架构,更快的响应、更大的数据处理能力成为IT基础设施的进化方向。
而IT基础设施三大件——存储、网络和计算,存储变革是第一需求。因为存储一直以来是影响IT性能的一个瓶颈。在磁盘时代,性能瓶颈一直存在,但是因为存储系统对于稳定性、可靠性和高性能需求的特殊要求,所有行业的存储系统最关心的还是核心数据的安全和可用性。随着存储系统的成熟和稳定,安全和可用性成为必备因素,那么在这个基础上,为企业提供一个稳定、灵活、可扩展的存储系统成为了共识。
今天用户选择存储的方式越来越多,从传统的存储系统到超融合,从云存储到闪存。 当技术越来越同质化之后,谁能更快的释放数据价值,谁能更好的促进业务增长,就成为企业数据存储的新需求。
这一切如果是能够有更先进的存储系统来提供这些功能,用户会更倾向于选择新的存储系统。在可以预见的当下,存储系统的升级将围绕硬件和软件两个层面。第一是硬盘到闪存的升级,第二是传统存储系统到软件定义系统的升级。
传统存储性能瓶颈成为常态,采用RAID磁盘阵列虽然能提升IOPS总量,但是其可利用的磁盘和IOPS量之间的成本太高。今天网络、计算性能的提升幅度远大于存储性能的增长,也导致在ABC时代,IT系统的提升瓶颈受限于存储端。
但是闪存的出现,缓解了这一现状,特别是随着3D NAND技术的发展,高速、海量的闪存随后出现。今后随着闪存产能的成熟和大规模产出,闪存的优势已经凸显出来。2017年各大存储厂商纷纷推出全闪存阵列,大容量的闪存的性价比已经达到了企业客户可以接受的程度,闪存在减少机房占地和能耗方面同样有着极大的优势,综合性价比已经优于传统磁盘。
这样全闪存存储只用于处理单个性能关键型应用程序的时代即将成为过去,因为IT决策者逐渐意识到,通过将多个工作负载整合到一个可扩展的全闪存存储平台上,可以降低复杂性和成本,并获得更好的灵活性。
闪存的出现,让企业的IT架构创新实现了质的突破,也让企业在ABC时代里更加如鱼得水更具竞争力。因为对各行各业各种规模的企业而言,数据已然成为生命之源。基于闪存的IT架构变革能更有效的应对现有的应用程序以及下一代社交、 移动、云和分析技术,并从中发掘新的价值。可以看到闪存作为现代化 IT 基础架构的核心组件已成为事实。
在至顶网发布的2017凌云奖中,在基础设施奖项里,全闪存阵列成为最重要的技术创新之一。我们也看到NetApp AFF A700s全闪存阵列获得2017年度全闪存阵列创新产品。
NetApp于2017年全新推出的高性能企业级全闪存阵列AFF A700s专为云环境与最高效率要求而设计。A700s采用NVMe网络就绪的集群架构,并在业内率先推出15 TB SSD以及32Gb光纤通道与40Gb以太网连接能力。A700s是性能最高的企业级全闪存阵列之一,在SPC-1性能榜单中位居前三名。
此外,其卓越的云环境支持能力可为用户同时在跨云和本地环境中,保持最大的数据可视度与无缝的数据控制。同时,由于采用高密度设计,A700s可有效帮助数据中心将功耗降低11倍,机架空间需求降低19倍,并削减67%的支持成本。仅凭4个机架单元,用户便可获得超过600,000次IOPS与1PB容量的卓越性能。
通过NetApp全闪存阵列可以看到,全闪存配合企业业务需求,能够大幅提升IT系统性能,同时,基于闪存的IT基础设施,能够让企业有一个更强劲、更先进的架构来管理数据,释放数据价值,从而更好地适应并领跑“ABC”时代。
好文章,需要你的鼓励
浙江大学研究团队开发了ContextGen,这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制,解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题,并创建了业界首个10万样本的专业训练数据集,在多项测试中超越现有技术。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
上海交通大学研究团队开发的SR-Scientist系统实现了人工智能在科学发现领域的重大突破。该系统能够像真正的科学家一样,从实验数据中自主发现数学公式,通过工具驱动的数据分析和长期优化机制,在四个科学领域的测试中比现有方法提高了6%-35%的精确度。这标志着AI从被动工具转变为主动科学发现者的重要里程碑。