我们知道,超融合的诞生是为了解决传统IT的三层架构(计算层、网络层、存储层)采购部署周期长、管理运维复杂、系统TCO持续攀升、IT无法满足业务快速扩展需求等难题。
超融合将传统IT架构中的三层架构融为一体,用户在部署、运维等方面能够实现IT快速部署和简化了IT运维的简化管理。
但是,就像在戴尔科技集团联合中桥调研咨询发布的白皮书《“新基建”推动超融合升级》中提到的一样,随着新基建的推动,新业务场景的不断涌现,超融合技术需要升级。这些年超融合在实际应用中,也遗留了很多问题,包括应用迁移周期长,对业务影响大的问题,包括用户要在“稳态”和“敏态”中选择的问题。更重要的面向未来,随着 IoT 和 AI 的普及,以应用为核心的超融合私有云部署难以满足工业互联网单一域名数据管理,IT 和 OT 融合后的企业网络安全,难以保证工业互联网跨 边缘 - 核心 - 多云构建现代化应用交付平台生命周期管理智能化需求。
这也是市场上对现代化超融合技术的升级充满了期待。这也是白皮书中提到的超融合的“老三层”应该像“新三层”进化。超融合需要plus版本。
针对现代化的超融合平台,中桥调研咨询创始人兼首席分析师王丛简单总结到,超融合的“老三层”就是架构快,三层变一层,快,简单!但是“新三层”除了考虑在部署和运维,还考虑到业务和产业融合,“新三层”的一大特点是创新快。第二大特点是产业链里面聚势,来实现跨界跨业的协作创新能力更快。
中桥调研咨询创始人兼首席分析师王丛
创新包括三个方面,首先,对于 IT 管理者而言,现代化超融合平台在实现快速部署的基础上,整合 了CPU、GPU、FPGA、NVIDIA、Optane(傲腾)可持续内存等新技术,保证企业级一致性服务和管理;通过负载优化满足各种应用处理能力;通过自动化和智能化,实现全栈生命周期管理。
其次推动 IT 和 OT 的融合,打造了跨“边缘 - 核心 - 多云”架构的IT架构。加速 OT 技术升级。 基于AIOps 跨“边缘 - 核心 - 多云”实现细粒度化权限和资源智能监控管理,通过多云资源的企业一致性管理,保证混合多云资源的一致性。
最后,对于应用开发者而言,实现将未来 IT 技术转化为数字化创新能力, 通过虚机、微服务和容器支撑任意应用在任意云资源的开发部署,保证负载的高可移植性。通过与 Kubernetes 集群技术的深度整合,实现可编程资源和 DevOps 生命周期企业级一致性服务管理,确保应用开发的快速迭代和持续交付。
跨界协作是指现代化超融合平台需要全球协作和全产业链接。现代化超融合平台跨“边缘 - 核心 - 多云”的 架构通过负载优化快速将大数据、物联网、AI 转化为新型业务能力,提升数字化产品和服务能力。超融合平台与各种主流公有云(阿里云、AWS、Azure、谷歌、IBM 云等)的无缝对接,使企业能够实现业务快速部署,出海业务合规,扩大全球协作发展空间。
而现代化超融合平台通过企业级一致性多云架构,让产业链上下游的服务都能够迅速接入,通过全产业链连接,构建全要素数字化生产力。
戴尔科技集团大中华区VMware解决方案总经理吴云飞对于“新三层”的解析是, “新三层”要解决的核心是如何通过创新的数字化平台,帮助企业打造核心竞争力。“新三层”更多是希望从一致性的基础架构,从自动运维的角度,从应用创新层面,能够给整个企业IT带来一个新的角度。

戴尔科技集团大中华区VMware解决方案总经理吴云飞
“IT不应该是每个礼拜六、礼拜天都在在机房加班的。随着新基建的到来,IT应该是排头兵,应该更多的时间花在企业的创新,帮助企业打造核心竞争能力。” 吴云飞分享到。
而基于对“新三层”的理解,戴尔科技集团的现代化超融合平台Dell EMC VxRail 目前推出六大产品系列,通过模块化部署和负载优化,满足不同业务场景和业务关键应用的需求。其包括六大产品系列,分别为适用于边缘和极端环境的 D 系列、 适用于通用应用的 G 系列、支持人工智能和机器学习的 E 系列、适用于桌面虚拟化的 V 系列、 针对密集型工作负载(包括数据库)的 P 系列和存储密集型的 S 系列。
Dell EMC VxRail 的智能管理软件能够实现堆栈(计算、存储、网络)集中透明管理。VCF 4.0 能够为现代化超融合平台提高其跨“边缘 - 核心 - 多云”的现代化云架构,加快负载的动态迁移和加速。
同时,Dell EMC VxRail 超融合还满足AI、多云资源和应用的生命周期自动化管理等能力。以金融行业为例,戴尔超融合解决方案已经应用在证券风控系统、金融大数据平台、全球化金融服务平台、远程跨境协作、支付系统的现代化和保险公司的数字化转型等场景中。
可以看到戴尔现代化超融合平台的价值就是希望帮助企业用户从 IT 中释放出来,把有限的精力投入到业务创新中,为企业创造更多的价值。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。