随着数字经济与以Deepseek为代表的AI大模型技术高速发展,海量数据爆发式增长、业务场景多元化、算力需求指数级攀升,传统存储架构已难以应对高性能、高安全、高弹性与低成本的综合诉求。宝德计算与京东云强强联合,基于双方在云计算、分布式存储领域的软硬件优势和前沿技术积累,直击传统存储痛点,创新推出AI存储一体机系列GS9300,以"五合一统一存储+存算分离"的革新架构,助力破解数据存储难题,为千行百业打造“存得快、算得稳、用得起”的数字基座!

五大核心优势,重构存储竞争力
1. 五擎合一,全场景覆盖
GS9300打破传统存储壁垒,基于云原生架构统一整合文件、块、对象、并行文件、大数据五大存储引擎,真正实现"一套存储、全域打通",可为金融、互联网、运营商、科研等行业领域提供全栈式存储服务,加速智能化升级。无论是AI训练所需的高吞吐并行存储、存算分离架构下的云盘服务,还是海量非结构化数据管理,均能灵活适配,助力客户节省整体基础设施成本达30%,释放数据流动价值。
2. 极致性能,加速AI创新
依托京东云海量业务场景验证,GS9300采用全自研分布式架构,性能逼近本地NVMe磁盘,较传统存储性能提升70%,延迟低至毫秒级。结合京东云弹性算力资源池,实现单节点容量最大864TB,提供超高性价比,可支撑千卡级AI训练集群、超算中心的高并发数据读写需求,让存储不再是计算效率的瓶颈。
3. 金融级高可靠,安全无忧
历经京东公有云/专有云、京东金融等核心业务严苛考验,GS9300通过国密加密、多副本+纠删码双冗余策略,实现数据100%写高可用与跨机房容灾。配合京东云原生安全体系,构建从芯片、硬件到软件的全栈可信环境,护航企业敏感数据资产。
4. 信创生态全兼容,自主可控
GS9300完全自主研发,零依赖开源代码,可无缝对接国产化芯片、操作系统、中间件等全栈生态,且相同硬件配置下的性能指标可达行业领先。结合京东云全栈信创云服务,为企业提供从基础设施到应用层的一站式信创云解决方案。
5. 智能运维,降本增效
通过1.1x超低副本技术+90%磁盘利用率,一体机较传统存储硬件投入成本大大降低。同时内置智能监控平台支持跨地域统一管理、故障预测与资源动态调配,提供基于Web的图形化监控管理界面,简化安装和维护过程,提高管理效率。
6. 三大机型全适配,精准匹配业务需求
基于企业级存储场景的多元需求,GS9300 AI存储一体机提供性能型、均衡型、容量型三大机型。企业可根据业务场景自由组合机型,灵活部署,实现“精准投入,高效回报”。
性能型一体机:专注于性能提升,数据读写速度迅速,单节点容量达122TB,可支撑AI训练、高频交易等复杂业务高效运转;
均衡型一体机:兼顾性能与成本优势,表现稳定,单节点容量达240TB,能为企业提供可靠的存储支持;
容量型一体机:专为海量数据归档、备份设计,以大容量存储为核心亮点,单节点容量达846TB,可从容应对数据存储难题。
宝德×京东云AI存储一体机GS9300是双方技术实力的结晶,更是云原生时代下"存算协同"理念的标杆实践。未来,双方将持续深耕“存储+AI”融合创新,不断深化合作,共同探索存储技术的新领域,为各行业提供更全面、更安全、更普惠的存储解决方案,助力企业抢占数智化竞争制高点,促进中国数字经济高质量发展!
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。