4月29日,第四届创新数据基础设施论坛(IDI Forum)在德国慕尼黑成功举行。华为公司副总裁、数据存储产品线总裁周跃峰博士发表题为“数据觉醒,AI-Ready数据基础设施加速智能化”主题演讲,并正式发布AI数据湖解决方案,加速AI行业化落地。

华为公司副总裁、华为数据存储产品线总裁周跃峰博士
数字化转型已经进行了几十年,很多事发生了变化,只有一样事情从来没有变化过,那就是“数据的重要性”。周跃峰在演讲中指出:“AI-Ready首先要做到数据Ready,行业数字化不断深入的过程,就是数据向信息、知识转变的过程。”华为发布AI数据湖解决方案,通过集成数据存储、数据管理、资源管理和AI工具链,高效提供高质量AI语料,加速模型训练与推理效率,助力企业加速拥抱AI。
数据存储:性能、容量、韧性三个方面持续创新
数据管理:使能全域数据的可视、可管、可流动
华为DME存储数据管理平台集成了Omni-Dataverse(统一数据空间),有效帮助客户打破数据中心多地部署场景下的数据孤岛,以千亿级文件数据秒级检索的能力,使能数据高效处理与价值释放。
资源管理:多样化算力(xPU)资源池化与AI资源智能调度
基于DCS平台虚拟化和容器技术,为客户提供高效的xPU资源池化及智能调度能力,提升资源利用率。此外,基于DME的DataMaster运维大模型,实现AI Copilot智能运维,构建涵盖AI智能问答、AI运维助手、AI巡检专家等全场景AI运维能力。
最后,周跃峰表示,华为数据存储坚持技术创新与存储创新,和全产业一起努力,为全球客户提供AI-Ready数据基础设施,加速迈入数智时代。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。