2020年,新华三集团推出“AI in ALL”智能战略及其具体实践“数字大脑计划2020”,新华三的计算存储基础架构也随之更新。对新华三而言,存储智能引擎已经发展成为智能数据平台IDP的最核心部件,其中基于在线数据智能引擎能够提供了自动预防,智能预测,应用感知分析等功能,离线数据智能引擎也能为存储提供了智能性能管理,应用负载管理,虚机拓扑管理等功能。
存储系统面临越来越多管理问题
企业面临的IT环境越来越复杂,在企业的发展过程中,成百上千台虚拟机,以及在虚拟机上运行的众多应用,不仅造成了IT系统造成了性能等影响,同时对IT环境中的虚拟、存储、网络的管理和运维带来了更多的挑战,并且虽然超过90%的问题出现在存储之外,但是由于存储是数据最后存取的地方,很多时候存储会成为背锅侠。
但是真实的情况是,任何的问题可能出现在从业务应用到数据存储整个管理过程中,需要各个方位的专家对应用数据库、网络、存储等多个方面进行会诊来排查问题。所以造成的问题是基于人的手动管理和运维已经无法满足越来越复杂的IT系统。
智能存储引擎助力存储运维
人工智能技术的兴起以及创新发展,让人们意识到可以利用人工智能和大数据学习来做数据存储系统的运维管理,新华三提出的智能存储引擎就基于全球人工智能平台收集数万的探针的状态,在后台进行分析原因并给出解决方案,可以做到故障自动排查,还能对存储系统性能和容量进行智能预测,为规划和扩容提供依据,并感知端到端管理,可快速定位存储和存储以外的故障。
新华三端到端的智能引擎,包括在线智能引擎和离线智能引擎的运维管理。通过智能引擎InfoSight平台,新华三可以实现云端-数据中心-存储本地实现端到端的智能覆盖,对于运维人员而言,智能引擎可以改变存储管理运维习惯,实现从被动的应变变为主动的预知和预防;同时在存储部署升级方面,智能引擎还能让存储具备云一样的特性,包括敏捷交付,极简管理等。一方面智能引擎还可以为用户精确地做出性能和容量的预测,并提供了扩展容量,扩充性能和升级控制器,一方面也让存储系统中遇到的问题可以提前预测。
在智能引擎的帮助下,一个问题只要全球范围内发生了一次,就可以针对类似环境进行分析和补丁,或者把这些特定环境列入到升级的黑名单来规避这个问题。
同时新华三还针对部分用户的存储由于各种原因无法接入互联网无法享受在线智能引擎实时分析功能,还把部分人工智能的分析成果做成离线知识库内置到存储OS中,来综合实现在线和离线智能引擎功能。
存储智能引擎成为整个数据基础设施的核心支撑
今天智能引擎从存储管理已经扩展到了整个IT基础架构管理,比如服务器的管理,超融合产品的管理,同时智能引擎也规划了更多的功能。未来的存储智能引擎将让人工智能的算法针对每个客户的不同应用来智能的划分存储资源配置,来确保存储的资源更好地发挥效能,使得整个存储能够运行得更为平滑。
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。