2020年,新冠疫情肆虐全球,
某制造厂商却订单满满,业务顺畅。
这一切要从两年前说起,
当时由于生产线全面升级,
随之而来的的是对原有的IT系统形成了挑战。
该工厂产品研发生产设计环节,
由 2D 图纸向 3D 图纸升级产生海量的数据,
二维图纸产生的数据量大概是 1M 的数据量,
而设计一个 3D 模型至少要 1G 的数据量,
数据存储扩展面临新的挑战。
同时该工厂面临着业务系统批处理的挑战,
包括 ERP 系统, PRM 系统, SAM 系统业务的激增,
给批处理月结的 IT 存储系统性能形成了挑战。
制造业对于 IT 系统高可用或者可靠性有非常大的要求,
因为 IT 系统的故障或者一个小灾难,
就可能造成生产环节的业务连续性中断。
IBM 为该制造企业提出软件定义存储的方式,
来解决 IT 升级的需求。
基于 IBM Spectrum Scale 构建的软件定义存储,
能够确保任何地点,数据安全,任何规模的混合云实现性能的提升,
并支持不同架构、不同应用的数据访问。
IBM 软件定义存储就能够提供灵活弹性的云化敏捷架构,
通过分布式存储架构满足了数据的开放性、多样性,
解决制造业在敏态业务中产生的海量数据存储及流转问题。
同时最新的 IBM Spectrum Scale 5.1版本,
基于更为简化的混合云的数据存储和数据访问和管理,
实现 AI 和大数据的存储功能,
IBM Spectrum Scale 5.1不仅实现混合云和容器的存储融合能力,
实现了 IBM Spectrum Scale、对象存储、NFS 存储之间
透明的数据访问和迁移。
最后,IBM 软件定义存储不仅满足了
智能制造在现有的业务系统对于混合云资源的需求。
同时利用 OpenShift + Cloud Packs 轻松连接混合云中的资源,
实现云原生应用的快速响应,
更好的支持未来新技术扩展、新应用开发。
想了解更多制造业的存储解决方案和详细的IBM存储功能请点击链接:http://www.zhiding.cn/special/IBM_2021_IT_infrastructure
咨询IBM专家:400 6692 039
好文章,需要你的鼓励
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。