12月14日,由中国信息通信研究院主办的2021新型数据中心研讨会在海口举行。在研讨会上,华为数据存储与机器视觉产品线副总裁董斐发表了《把握“新存储”五大趋势,助力新型数据中心建设》的主题演讲,系统地阐述了目前数据基础设施建设面临的五大主要挑战,以及新型数据中心存储领域的五大发展趋势。
中国数字经济高速发展,科技创新是跨越中等收入陷阱、从制造大国到创造大国的关键。数据是数字经济的关键生产要素和可再生的能源,数字经济和科技创新也产生大量数据。作为数据采集、存储、检索、管理、数据服务使能的数据基础设施,当前仍存在五大痛点:
第一,闪存介质在数据中心占比低,机械硬盘影响用户业务体验;
第二,数据中心不同业务系统普遍形成数据孤岛,不同业务系统间的数据共享耗时长、体验差、浪费能耗;
第三,数据中心存和算的能力不匹配,多算力投资,少存储投资,数据不足造成算力浪费;
第四,国计民生重点行业,承载重要数据的存储系统,灾备比例低;
第五,数据中心的高能耗,带来高成本和高碳排放。
今年7月工信部印发《新型数据中心发展三年行动计划》,大力推动新型数据中心建设。与传统数据中心相比,“新型数据中心”体现出“四新”的特征,即新计算,新存储,新网络,新能源。其中“新存储”着力解决五大痛点,呈现出“五”大产业趋势:
第一,产业升级,硅进磁退,加速全闪存对机械硬盘代际替换。全闪存原生存储产品,相比较机械硬盘存储产品,十倍提升数据访问性能和可靠性。据IDC统计,2020年全球闪存占比达到40%,其中发达国家超过50%,而我国仅为20%。新型数据中心要加速全闪存占比,加速全闪存对机械硬盘的代际替换。华为帮助浦发银行升级全闪存后,高峰时段交易速度提升6倍,空间占用降低50%,能耗降低72%。
第二,消除数据孤岛,建设统一存储资源池,协议互通,资源共享。传统数据中心IT建设以应用为中心,不同业务系统普遍形成数据孤岛,不同业务系统间的数据共享耗时长、体验差、浪费能耗。建设统一存储资源池,按需发放存储资源,数据免迁移跨系统共享,大幅提升数据访问效率降低TCO。例如在自动驾驶等高性能分析场景,支持多协议互通访问的存储资源池,同时满足仿真、分析、发布环节对数据的高效访问需求,实现数据零拷贝,分析效率提升25%,TCO降低20%。
第三,优化数据中心存算能力比,释放新型数据中心算力潜能。根据Gartner统计,过去5年,美国数据中心CPU加权算力和存储容量的能力比例是1:1,而我国是3:1。我国数据中心的算力和存储容量比例严重偏低,算力利用率普遍不足30%。新型数据中心应该优化存算能力比,提升算力和存储的资源利用率。
第四,数据灾备是新型数据中心刚性要求。新型数据中心关乎国计民生,水火无情、勒索病毒、恶意操作、天灾人祸带来极大风险,数据丢失、业务中断影响巨大。以美国为代表的发达国家,数据灾备占数据存储投资34%,而我国平均只有8%。新型数据中心的数据保护水平亟待提升,灾备建设时不我待。
第五,低碳节能、建设绿色新型数据中心是重要方向。据IDC测算,一块全闪存固态硬盘替换传统机械硬盘所带来的绿色效益,相当于植树150棵。全面推广全闪存存储,可使数据中心单位耗电量大幅降低。据业界分析数据中心搬移数据的能耗已经超过了计算的能耗,存算融合,从搬移数据到近数据处理,大幅减少数据中心搬移能耗。
演讲最后,董斐表示,基于数据中心新存储的五大发展趋势,华为将与产业界一起全方位支持和参与工作组的研发创新、标准制定、应用标杆等工作,全力支持新型数据中心建设,用最佳解决方案支撑三年行动计划落地,实现产业共赢,助力国家数字经济高速发展。
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。