联想近日发布了 21 款存储产品,其中包括一款液冷 HCI 系统,此次重大存储产品组合的更新旨在满足构建面向 AI 的基础设施的客户需求。
联想基础设施解决方案产品组副总裁兼总经理 Scott Tease 表示,该系列产品旨在帮助“企业利用 AI 的变革力量”,他指出:“全新系统能够帮助客户加快实现价值的步伐,无论其 IT 现代化进程处于何种阶段,都可以通过一体化的 AI 解决方案来降低风险并简化部署。”
联想基础设施解决方案集团欧洲、中东及非洲区存储销售总监 Marco Pozzoni 表示:“我们有史以来最大规模的数据存储产品组合更新,为数据现代化和企业 AI 工作负载提供了所需的性能、效率和数据韧性。”
联想指出,“企业正向分离式基础设施模式转型,将计算、存储和网络打造成按需共享的资源,以适应不断变化的需求,从而提升可扩展性、效率和灵活性。”专为联想混合 AI 平台设计的新 AI 入门套件是预配置且经过验证的基础设施系统,包括计算、存储、GPU 以及网络。存储设备采用全新的 ThinkSystem 系列存储阵列,出自 NetApp OEM,提供采用“高性能 SSD 闪存技术”的统一文件、块和对象存储。
ThinkSystem DG 与 DM 阵列具备全新 AI 驱动的自主勒索软件防护功能(ONTAP ARP/AI),此外还支持加密以提高数据保护,并配备透明故障转移的同步复制功能。
联想存储产品组合此次更新主要涵盖以下五大领域:
1. ThinkAgile SDI V4 系列提供全栈、一体化方案,简化 IT 基础设施,同时加速数据驱动型推理的计算过程。
2. 新款 ThinkSystem 存储阵列提供高达 3 倍的性能提升,同时降低能耗 —— 以 DE4800F 与 DE4000 的对比为例,相较于配备 10K HDD 的联想设备,新款 DG7200 在较小数据中心占地、较低总拥有成本(TCO)以及在升级传统基础设施方面可实现高达 97% 的能耗节省和 99% 的密度提升。
3. 全新融合的 ThinkAgile 和 ThinkSystem 混合云及虚拟化系统实现了计算与存储能力的灵活、高效独立扩展,降低了额外存储所需的软件许可费用(但不包括基于核心的许可费用),降幅高达 40%。针对 VMware 的 ThinkAgile 融合解决方案将 ThinkAgile VX 系列的企业级特性(生命周期管理和运营简便性)与 ThinkSystem DG 系列存储阵列的数据管理功能相结合,从而构建出一个支持混合存储工作负载的统一(私有)云平台。
4. 全新 ThinkAgile HX 系列 GPT-in-a-Box 解决方案采用联想 Neptune 液冷技术,成为业内首款液冷 HCI 设备,能够提供从边缘到云的一体化 AI 推理,HX V4 相较于 HX V3 最高可节能 25%。
5. 新款联想混合 AI 平台的 AI 入门套件为企业在 AI 推理和检索增强(RAG)工作流程上提供了一套经过验证、灵活且易于上手的路径。
联想在 2023 年与 Nutanix 合作,销售基于 GPT-in-a-Box 的 ThinkAgile HX 系列系统。关于该液冷系统的具体细节目前尚无更多信息,联想表示这是一种“全栈生成式 AI 解决方案,可通过可复制的方案降低能耗,从而加速数据驱动的 AI 推理。”其交易速率最高可提高至传统液冷方法的 2.6 倍,输入/输出操作(IOPs)速度最高可提高 1.4 倍,具体对比为 ThinkAgile SDI V4 系列与三机架的 Dell VxRail Cascade Lake 模型。同时,该系统还拥有更紧凑的外形,容器/虚拟机密度比上一代 ThinkAgile SDI V3 系列提高最高达 1.4 倍。
随着磁盘驱动器制造商在 2018 至 2019 年期间停止销售 10,000 转速磁盘,且容量限制在大约 1.8TB 左右,与采用高容量 3.5 英寸驱动器的现代 DG7200 的对比就显得不那么显著。
联想表示,其“ThinkAgile SDI V4 系列和全新 ThinkSystem 存储阵列为企业初步实施 AI 提供了全栈、一体化的 AI 就绪基础设施,同时为大语言模型工作负载提供了更快的推理性能。”主要的 AI 应用场景包括 AI 推理、检索增强(RAG)以及 AI 模型微调,而“这些产品专为广泛的企业 AI 和数据现代化工作负载设计,涵盖从数据库、ERP、CRM 到虚拟化、混合云、备份和归档等领域。” AI 模型训练并非主要的 AI 应用场景。
联想目前正处于收购 Infinidat 的进程中,此举将使其进入高性能企业块存储阵列市场,同时也能获得自主的存储知识产权以及一个面向企业的全新市场销售渠道。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。