联想推出了全新的ThinkSystem SAN阵列产品线,以及三款ThinkAgile超融合基础设施(HCI)系统,分别支持VMware、Nutanix、Azure Local和AI工作负载。
联想数据存储执行总监兼总经理Stuart McRae表示:"随着企业虚拟化策略的变化以及让数据为最苛刻工作负载做好准备的迫切需求,组织正在寻求通过开放解决方案来现代化其传统基础设施。"
这一表态指向了Broadcom收购VMware后的许可证变更,为原本依赖VMware的企业打开了探索其他选择的大门。企业可能会根据不同工作负载选择不同的虚拟化管理程序或基于容器的系统,而不是寻找单一的VMware替代方案。"苛刻工作负载"包括被基于磁盘驱动器的存储限制的基于块的(SAN)工作负载,以及AI推理类应用。联想为这两个领域都提供了相应系统。
新产品线概览
除了面向SAN的ThinkSystem DS系列外,还有两款ThinkAgile FX系列产品,分别支持VMware和Nutanix虚拟化管理程序系统。MX系统为Azure Local提供分离式外部光纤通道存储。联想的HX系列专门针对AI工作负载,支持英伟达Blackwell GPU。公司还推出了相关服务,为客户在系统选择、实施和管理方面提供建议和帮助。
DS系列全闪存SAN存储阵列
DS系列是联想的全闪存SAN存储阵列产品,包含四款产品:DS3200、5200、5200C和7200。DS3200、5200和7200使用TLC NAND闪存,而容量优化的5200C配备QLC驱动器。
这些产品基于OEM的NetApp ASA(全闪存SAN阵列)系统。据了解,ASA A20成为DS3200,ASA A30为DS5200的基础,ASA A50是DS7200的基础,而ASA C30用于DS5200C。
联想选择了低端和中端ASA产品,但没有选择高端的A70、A90和A1K型号。我们推测这是为了避免与即将收购的Infinidat阵列产生竞争,但联想无法对此发表评论,因为收购尚未完成。
ThinkAgile FX系列超融合系统
ThinkAgile FX系列有两款产品:1U规格的FX630 V4和更大的2U规格FX650 V4。
它们可以使用VCF(VMware云基础)或配备AHV虚拟化管理程序的Nutanix AOS软件,可从3个节点扩展到32个节点。这意味着客户可以将它们用于现有的VCF实施,然后在选择时迁移到AOS,而无需刷新硬件。
另一个HCI产品是MX系列,为Azure Local部署提供光纤通道连接的外部或分离式块阵列存储。Azure Local是Azure公有云的本地私有云版本,在微软合作伙伴(如联想)提供的裸金属服务器硬件上运行Azure虚拟机和容器。
MX650a V4 HCI系统支持英伟达的RTX Pro 6000 GPU(一个Blackwell系统),因此可以运行AI推理类工作负载。
联想的最终HCI系统是更新的HX系列,使用Nutanix的AI软件栈,用于在安全的交钥匙系统中运行AI工作负载。
市场战略与未来展望
当被问及联想是否正在开发AI流水线栈软件以使其系统能够向大语言模型和智能体提供数据时,McRae表示否定。联想希望为此类流水线提供最佳的存储基础,但不会进入流水线软件领域,这是合作伙伴的工作。
所有这些系统都将受到联想渠道合作伙伴的欢迎。联想是仅次于戴尔的主要基于x86的PC、服务器和存储业务公司。它在180个国家运营,最新季度收入达204.5亿美元,是HPE最新97亿美元季度收入的两倍多,意味着近820亿美元的年化运营收入,利润5.12亿美元,是一家强大的企业。顺便说一下,戴尔在其最新季度录得超过15亿美元的利润。
Q&A
Q1:联想DS系列存储阵列有哪些型号,各自有什么特点?
A:DS系列包含四款全闪存SAN存储阵列:DS3200、5200、5200C和7200。前三款使用TLC NAND闪存,而容量优化的5200C配备QLC驱动器。这些产品基于NetApp ASA系统,为企业提供不同性能和容量需求的存储解决方案。
Q2:ThinkAgile FX系列能同时支持VMware和Nutanix吗?
A:是的,ThinkAgile FX系列的FX630 V4和FX650 V4都可以使用VCF(VMware云基础)或Nutanix AOS软件。客户可以先用于现有的VCF实施,然后在选择时迁移到AOS,而无需刷新硬件,提供了很好的灵活性。
Q3:联想会开发AI流水线软件吗?
A:联想表示不会进入AI流水线软件领域。公司的策略是为AI流水线提供最佳的存储基础设施,而流水线软件开发将由合作伙伴负责。联想专注于硬件基础设施,通过合作伙伴生态系统提供完整解决方案。
好文章,需要你的鼓励
ChatGPT发布三年后,物理AI成为行业最新热词。物理AI是指在硬件中实现的AI系统,能够感知周围世界并进行推理以执行操作。与传统机器人不同,物理AI具备推理、行动和与环境交互的能力。智能眼镜是物理AI的典型代表,能够看到和听到用户所体验的内容。高通专家指出,AI可穿戴设备可以为机器人提供基于真实人类体验的高质量数据集,形成良性生态系统。
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法,无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理,通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法,且计算效率更高,为人脸识别系统提供了即插即用的质量控制解决方案,有望广泛应用于安防监控和身份认证等领域。
来自加州大学伯克利分校和康奈尔大学的研究团队,通过分析130万篇学术论文发现,使用ChatGPT等AI工具的科学家论文产出平均提升40-60%,且英语非母语研究者受益最大。
布朗大学联合图宾根大学的研究团队通过系统实验发现,AI医疗助手的角色设定会产生显著的情境依赖效应:医疗专业角色在急诊场景下表现卓越,准确率提升20%,但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性,强调需要根据具体应用场景精心设计AI身份,而非简单假设"更专业等于更安全",为AI医疗系统的安全部署提供了重要指导。