9月27日,由工业和信息化部主办的ICT中国·高层论坛暨2021年中国国际信息通信展览会于今日在北京国家会议中心开幕。在当天举行的新型数据中心高峰论坛上,来自中国移动通信集团浙江有限公司的信息技术部云智能中心(以下简称浙江移动)的郭岳副主任,发表了主题演讲《存储联合创新,助力数据中心建设》,系统地阐述了浙江移动与华为通过智能存储联合创新中心,在全闪存数据中心建设过程中的四大合作成果。
近年来,浙江移动在实现公司战略目标,为业务保驾护航,并提升安全可信能力的驱动下,大力推进数字化改革,积极推进存储安全可信建设与联合创新发展。
随着浙江移动在系统内率先引入华为OceanStor全闪存存储,双方通过边缘试点,核心扩展的方式实现了全闪投产的持续探索。浙江移动与华为通过建立智能存储联合创新中心,实现优势互补,充分利用华为技术创新能力结合浙江移动新技术运维保障能力和新技术场景适配落地能力,实现高层次的互利共赢战略合作。
联合创新中心以实现数据高效可靠存储及数据全面保护为核心目标,分别开展了一系列创新举措,以期在建设全闪存数据中心的进程中实现数据高效存储、数据可靠存储、数据全生命周期高效管理及安全可信。
为提升全闪存存储与前端计算节点间传输效率,全面释放闪存性能,浙江移动联合华为进行NVMe over RoCEv2组网优化工作,基于安全可信的无损以太网技术和改良故障通知机制,实现了存储性能和可靠性的全面升级。双方也从运维面出发开启性能提升探索。通过针对存储池、LUN等进行统一的性能监控,并将检测结果结合AI算法进行性能异常检测、失衡检测以及容量预警,AI性能预测技术可辅助运维人员基于预测主动进行性能优化,实现高效存储。
存储故障AI预测技术,通过AI 算法对存储硬件的健康指标做检查训练,评估资源和硬件的健康度,实现提前通知运维人员进行资源配置优化、硬件备件替换等动作,将故障消除在萌芽阶段。存储故障快速定位技术则利用融合打通后端存储和前端主机之间诸如存储控制器、存储端口、硬盘、主机端口、交换机等相关软硬件的告警监控,实现故障快速定位。联合创新中心通过开展故障预测及定位新技术的探索与实践,逐步实现数据可靠存储。
联合创新中心通过建设以生产为核心,从生产到灾备全场景资源全互联池化,实现副本统一管理,数据自由流动,进而保障生产业务永远在线、关键数据高效备份、副本数据价值利用;通过自动化容灾管理工具与生产业务联动,实现业务容灾自定义自动化,减少人为因素错误,提高容灾切换效率,进而提升数据全生命周期的高效管理能力。
联合创新中心针对不同备份数据实现自动分级保护,采用原生格式备份实现极速挂载恢复,并支持备份数据加密、脱敏,满足日益严苛的业务数据高效、全面备份诉求;为避免存储数据出现逻辑故障,如因勒索病毒,恶意删库等导致数据的完全丢失,联合创新中心通过存储WORM快照、NAS防勒索病毒等自研创新方案保护源头数据安全,实现数据和技术的双重安全可信。
智能存储联合创新中心的建立,将进一步加速浙江移动在存储国产化替换后的安全可信进程;增强浙江移动存储自主创新能力,实现其存储各类AIOps主创新落地;推进端到端解决方案的形成,减少人员和资源投入,助力浙江移动实现降本增效。此外,该联创中心也将推动华为新产品、新技术在浙江移动测试、验证及落地,加速华为全闪存数据中心在电信行业广泛落地和应用。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。