据 Gartner 预测,到 2025 年,75%的企业级数据将在边缘产生。目前,该比例仅为 10%。另据 IDC 预测,到 2023 年,50%的企业级IT基础架构将部署在边缘,到 2024 年,90% 的企业业务将部署在边缘。毋庸置疑对于千行百业来说,边缘计算是实现业务转型升级的又一强大引擎。
作为一家拥有完整的端到端跨边缘、核心和云的解决方案科技公司,戴尔科技集团很早就洞察到了边缘计算的重要性。
2023 年,戴尔科技继续顺应 IT 发展趋势,大力拓展边缘计算业务,锚准“Win the Edge”目标,通过创新简单的解决方案,帮助企业在离数据创建地点更近的地方进行数据分析,更快地做出决策、改善成果并实现向前发展。
追逐“Win the Edge”目标 戴尔科技多维部署“会师”边缘
“在‘追逐’Win the Edge”目标的过程中,戴尔科技采用了多维度的边缘部署战略。”戴尔科技集团全球副总裁、大中华区售前系统工程部总经理杨捷表示,戴尔科技在以下几个层面,从技术和服务的角度去服务用户企业。
戴尔科技集团全球副总裁、大中华区售前系统工程部总经理 杨捷
第一维是在边缘侧加速创新。戴尔科技利用产品方案帮助用户快速实现应用场景加快发展进程。杨捷举例说:“许多OEM合作伙伴将戴尔科技的工作站、服务器等产品部署在边缘侧,从而帮助客户实现加速。同时,戴尔科技还能提供完整的后续生命周期服务保障。”
第二维是设计NativeEdge。现阶段,在企业中每一个新的边缘侧应用都会随之带来新的容器环境,而应用提供商却已经完成了应用的部署,这时便需要找到一种方式,能够快速地部署这些新的基于容器开发的应用。“这便是这款可以帮助客户管理众多应用生命周期的工具——NativeEdge诞生的意义。“杨捷说。
第三维是注重边缘数据安全。在杨捷看来,安全的最后一道防线在数据层,所以戴尔科技不仅要帮助用户维护网络层安全,同时,也帮助客户在边缘侧做好最后一道防勒索的防线。
戴尔科技集团全球副总裁、大中华区服务销售总经理袁洪伟补充道,咨询、服务也是戴尔科技重要的两个维度。在边缘部署大量数据的前提下,我们需要告知用户如何其自身数据的使用模式,并帮助其采集数据。
戴尔集团全球副总裁、大中华区服务销售总经理 袁洪伟
“实际上,咨询是先导的服务内容。”袁洪伟说。
推动可持续战略 为数据中心摘掉“能耗帽子”
在推动可持续发展战略方面,戴尔科技早已是践行者。早在2019年,戴尔科技便宣布了2030年ESG(环境、社会、治理)目标,聚焦推动可持续发展、鼓励包容性、改善民生以及尊重商业道德及隐私四大方面。
杨捷告诉记者,现阶段,ESG是客户关注的重点。“数据中心是“耗能大户”,优质的液冷系统是数据中心提高能源效率的重要环节。”杨捷说。
据了解,绿色云图液冷产品搭载戴尔科技集团三款服务器——Dell PowerEdge R750、Dell PowerEdge C6520、Dell PowerEdge XR12,落地了酷R、酷C、酷X解决方案,可分别满足GPU分析集群、高性能运算集群、边缘计算部署场景,将为客户提供更安全可靠、更绿色节能、更强大的算力服务。
此外,在数据存储技术不断更新的背景下,大量的数据吞吐和运算,导致的数据、存储能耗问题不容忽视。杨捷介绍道,第五代存储——PowerStore全闪存阵列能极大程度地减少对能源的消耗。
PowerStore不仅降耗能力显著,同时还能保证性能优化与用户体验提升。“在不妥协性能的前提下至少实现4:1的无损数据缩减。”杨捷介绍道。越高的数据缩减比就意味着更多的有效空间,而这一比例也是衡量一款存储产品先进与否的重要标准。PowerStore绝对可以称作该领域的佼佼者。
戴尔科技2023年规划:帮助用户企业建设生成式AI
除了边缘侧的布局,戴尔科技还积极在AIGC领域持续开拓。
随着大模型AIGC时代的到来,驱动了算力需求的持续爆发,面对AI与边缘的融合的大趋势,越来越多企业开始积极布局生成式AI。生成式AI技术的商用化的部署和应用成为企业竞逐的新阵地,勾勒出大模型正在从“技术力”转向“生产力”的新生态。
对企业而言,布局生成式AI的关键是数据安全问题,企业担心自己的数据资产交给公有云来做生成式AI会面临安全风险。杨捷坦言:“我认为,企业建设自有的生成式AI的平台是一种趋势。”
袁洪伟认同并举例称,目前戴尔科技提供的小型现代化数据中心,可有效打通各类数据见的“隔阂”,帮助用户建立完善的数据体系,并保障安全性。“目前,在医疗领域已经有许多成功案例。”袁洪伟如是说。
“我们看到,企业建设自有的生成式AI平台是一种趋势,在一过程中,戴尔科技能为他们提供完整的解决方案的,这是我们今年的方向。”杨捷说。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。