2020年以来,曙光存储连续6年中标中国移动分布式存储集采项目,如今双方合作迎来了新的里程碑。
近日,曙光存储集中式全闪存储FlashNexus,在“中国移动2025-2027年全闪存存储产品集中采购项目”中以第二份额(27%)中标,合同金额高达3871万元,补齐了集中式存储的拼图。
“模拟两地三中心,完成14天高负载稳定性测试是项目中最具挑战的环节。”曙光存储运营总监石静说道。在这期间系统不仅需持续承受高强度的压力负载,还要在运行过程中进行多种故障类测试,包括设备重启、磁盘热插拔、前端网卡故障等情况。要求系统在出现故障时,性能可有一定幅度的下降,但必须满足预设标准,同时在14天测试结束后,整体性能指标也需达标。
FlashNexus成功完成测试,尤其在性能表现上非常突出。测试中性能评分占据技术分的40%,属于决定性指标。本次投标则特别强调本地数据保护、两地三中心架构、双活与远程复制等容灾技术能力。
当然,一个项目的中标通常由多种因素共同决定,包括技术评分、价格评分以及厂商综合实力等。在综合实力上,曙光存储依托多年来在行业中的积累与沉淀,也为项目中标奠定了坚实基础。
不止卖设备,更要解难题
多年间,曙光存储与中国移动的合作,生动的演绎了一段由“设备供应商”到“深度合作伙伴”的转变历程。
起初,曙光存储只是作为设备供应商参与中国移动的分布式存储集采。那时的合作相对简单直接,只有中标集采、设备交付、售后服务,保障稳定的产品和保质量的服务。
曙光存储也在这过程中不断学习,了解客户在真实场景中如何使用,捕捉客户对存储设备的隐性需求,成为了曙光存储产品迭代和技术演进的重要支撑。
随着双方逐渐磨合,产品得到认可后,合作也进入了新阶段。中国移动开始将曙光存储视为值得信赖的长期伙伴,不再满足于单纯的设备供给,而是希望携手共同解决更具挑战性的业务难题。
这一阶段,曙光存储支撑了中国移动自身IT云和移动云业务的发展,双方针对创新需求一起制定联合解决方案,从简单的设备供应商转变为合作方。
一个例子是国家“东数西算”“东数西存”战略铺开,中国移动更希望通过存储调度,打通东西部数据中心,实现资源智能调度和跨域数据流动。中国移动和曙光存储说了这个想法,曙光存储团队迅速响应,率先完成相关功能的开发,满足了中国移动对战略任务落地的迫切需求。这次合作不仅验证了曙光存储技术能力,也为双方奠定了更深层次的信任基础。
自此之后,各种联合项目也被提上日程,无论是绿色节能数据中心的探索,专项课题攻关,还是行业标准与白皮书制定,曙光存储始终是中国移动重点邀请、深度参与的重要合作方。
石静强调,如今,随着集中式全闪存储FlashNexus的中标,未来将在中国移动更为核心的交易系统、业务连续性要求极高的场景中,发挥更重要的支撑作用,实现共赢的局面。
曙光存储集中式全闪存储FlashNexus
走进核心场景,才算被认可
中国移动近年来一直在大力推进国产化进程,且走在行业前列。中国移动在集采环节明确要求存储厂商必须在特定部件上实现国产化,覆盖了从CPU处理器、内存缓存、闪存介质、网卡、电源等关键部件,力求实现全面自主可控。
在全面国产化的基础上,中国移动对存储产品的性能和稳定性也提出了更高要求。由于需要应用在核心业务场景,例如数据库系统、虚拟化平台等,对性能指标提出了严苛标准,包括更低的时延、更高的IOPS等,确保关键业务持续高效运行。
此外,运营商对于业务连续性要求极高,因此对存储系统的高可用性与容错能力有着极高要求。例如,在控制器故障、硬盘异常等突发状况下,系统必须保证业务影响降至最低,通常要求在几秒钟内完成业务恢复。
在存储行业中有个不成文的共识,凡是能够运营商和金融等核心行业项目,并进入实际生产环境使用,便意味着已经获得主流客户的认可。
据石静观察,运营商客户在数字化、云化转型上走得相对较快,部分业务已经迁移至分布式块存储或分布式文件系统。但一些核心业务场景,特别是数据库、高IOPS应用,分布式方案无法完全替代,集中式存储在这些场景中发挥着重要作用。
今年2月,在国际存储性能委员会公布的SPC-1基准评测报告中,曙光存储FlashNexus登顶全球第一,以32控实现超3000万IOPS性能和0.202ms的时延表现。
国内存储厂商在高性能、高可靠性、高安全性等维度已经完全满足运营商的严苛标准。毕竟,虽有政策要求,若产品无法满足运营商核心业务需求,也不可能被真正应用于生产环境。
头部客户带动效应,重塑行业格局
“此次中标不仅是一次商业成功,更重新定义了国内高端存储的竞争维度。”石静通过与中国移动的长期合作看到未来存储正沿着四个方向发展。
第一,未来闪存介质的市场占比将持续上升,尤其是大容量QLC SSD全闪介质的应用加速;第二,集中式存储与分布式存储的边界正在逐渐模糊,对异构存储资源池统一管理、数据按需流动需求愈发迫切;第三,AI将在存储系统中迎来深度应用,存储系统将通过AI实现自动风险感知、故障预测与自修复,最大程度降低用户的运维复杂度和成本。第四,绿色节能和碳足迹管理将成为存储解决方案的重要指标,存储系统需要具备高效、智能的能耗监控分析能力,根据业务负载情况动态调整功耗。
有了中国移动项目的成功范本,曙光存储将在运营商和金融等重点行业进一步推广。国内三大运营商中,中国移动的招采模式是由总部进行集中采购,再由各省公司、一级二级资源池及IT子公司签署使用。
中国电信和中国联通没有明显的集中采购模式,但整体业务结构和存储使用场景与中国移动相似,正在加速国产化进程,重点布局高IOPS、低延时以及AI算力相关场景。曙光存储将聚焦这些细分需求,围绕全闪存储产品优势,深入挖掘AI、大数据和核心数据库等高性能场景的合作机会,逐步扩大市场覆盖面。
金融行业也会采取类似的推进方式,借助国产化替代节点,围绕核心数据库、虚拟化、灾备以及AI风控等关键场景,重点挖掘高性能、低延时和高可靠需求,面向金融行业银行、保险、证券三大类头部企业不断拓展用户案例。
“金融行业有着典型的‘小客户看中客户’,‘中客户看大客户’的层级效应。”在石静看来,曙光存储基于这一特性,在银行领域重点锁定6大国有银行和12家全国性股份制银行的集采需求,保险与证券行业也采取同样策略,通过这种头部突破、梯次扩展的方式,逐步扩大曙光存储在金融行业的整体影响力和市场覆盖能力。
归根结底,还要持续优化产品能力,强化与客户的深度合作,这样才能夯实市场地位,赢得更多行业认可。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。