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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。