近日,IDC中国发布了《中国企业级外部存储市场季度跟踪报告,2019年第四季度》市场跟踪报告。数据显示,联想存储2019全年销售额同比增长82.4%,实现了存储市场份额的跨越式增长。其中,联想在传统存储领域增长接近翻番,达到99.8%。
作为全球领先的科技企业,联想不断丰富自身存储产品线,并在该领域继续保持增长态势和领先优势。如今,随着我国“新基建”战略部署的不断深入,就犹如一场东风吹起,给联想存储产品、技术、解决方案带来了新的挑战和更高的要求,同时,也对其合作伙伴、生态系统带来了新的机遇。
联想存储高速增长背后的逻辑
在趋势层面,加速布局新型基础设施建设,正成为中国实现多重战略目标的关键之举。以5G、人工智能、工业互联网、物联网为代表的新型基础设施建设,无疑成为加速各行各业数字化步伐的下一个引擎。
不论是“新基建”中的人工智能还是物联网,都离不开大量的数据及数据管理与分析。“新基建”环境下的数据不再是被锁在防火墙后面的一些记录,而是呈现分散性、动态性和多样性的无处不在的数据流。面对“新基建”带来的数据多源化、应用复杂化,服务需要实时响应。为实现更多错综复杂的数据管理与运算,在“新基建”的建设阶段,在存储层面需要符合发展要求的技术、方案来匹配。
在自身层面,作为“新基建”领域的先行者与核心提供商,联想企业科技集团在3S战略的指引下积极构建数字生态体系,与NetApp达成战略合作,充分利用NetApp行业领先的数据管理解决方案和联想领先的ThinkSystem基础架构,联合开发全新的、全面的联想品牌存储产品。这些新产品将采用来自NetApp的核心软件技术、由联想制造,并充分利用联想业界领先的供应链系统。通过推出创新的技术和简化的体验,来帮助客户实现IT现代化,加快数字化转型步伐。
正是由于联想对于行业趋势的发展有着清晰和准确的判断,并基于自身判断对存储产品进行极致能力的打造,以及对重点行业和区域的持续深耕,使得联想存储在新机遇下有了飞跃式的增长。
联想存储推动“新基建”智慧发展
在“新基建”的时代背景下,中国市场加速数字经济建设的步伐不会停止,这给包括联想存储在内的所有存储厂商提供了良好的市场环境。此外,业务应用场景近年来的快速变化,不断驱动着存储架构层向更高的方向发展,这就要求存储厂商们在产品架构层需要做深做强,更加快速地去匹配应用的变化。
基于未来存储需求和应用趋势的洞察,联想根据数据和应用的需求,着力打造新的存储平台,其中,ONTAP® Select是基于商用服务器的真的正软件定义存储(SDS),把NetApp强大的存储系统的核心ONTAP企业级存储功能架构在商用开放的服务器硬件平台之上,实现新基建环境下从边缘到核心再到云端的数据存储的经济性和管理能力,从容应对大数据、人工智能和物联网对数据管理的苛刻需求。
此外,在“新基建”的驱动下,当前用户侧的数据存储需求正在迅速变化,这进一步要求存储厂商具备敏感的市场需求响应以及灵活的产品策略。联想存储独有的AI Control Plane,专门为人工智能对负载和数据管理而设计,提供全堆栈的、端到端的人工智能负载管理,整合了Kubernetes、Kubeflow和NetApp Trident的灵活性,为人工智能负载提供部署、移植和数据可用性保障,全自动地与AI负载和数据科学平台集成。
联想存储采用Data Fabric战略,实现数据“边-端-云”随需而动,让数据智能高效地在多云之间灵活流动。其统一的数据平台,可实现就地对数据进行分析和支持多种数据格式,并提供可靠的数据保护和安全保障。
在用户层面,联想存储已为众多客户提供了全面的数据管理解决方案,成就客户的智慧IT建设。迄今为止,联想已经为全国超过200家高校和1000多家医院提供专业全面的数据管理解决方案;此外,联想存储以优异的性能与联想超算解决方案进行完美融合,为多个油田的地质勘探、气象预测、大气环保等自然资源业务应用对非结构化数据的处理需求提供强有力的保障;助力某商业集团搭建统一混合云平台,满足未来3-5年的业务发展需求;为某工程机械股份公司搭建车联网GS服务平台,通过卫星遥感支撑系统,保证所有设备的监控管理等功能。
作为全球领先的科技企业,在“新基建”的创新驱动下,联想存储将不断凭借其丰富的全线产品及创新的技术实力,引领联想存储的进一步发展,以科技创新之力为客户未来数字化、智能化的升级转型赋能。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。