数据是国家基础战略性资源和重要生产要素。加快构建全国一体化大数据中心协同创新体系,是贯彻落实党中央、国务院决策部署的具体举措。国家发改委在“关于加快构建全国一体化大数据中心协同创新体系的指导意见”中特别指出,要以加快建设数据强国为目标,强化数据中心、数据资源的顶层统筹和要素流通,加快培育新业态新模式,引领我国数字经济高质量发展,助力国家治理体系和治理能力现代化。由此可见,数据是我国经济发展的重要一环。数据中心作为数据的载体、新型基础设施,其发展同社会经济的发展息息相关。
4月22日,由《网络安全和信息化》杂志社、IT运维网主办的“2021智慧数据中心峰会”在北京新世纪日航饭店成功举办,主题为“‘智’同道合,赋能数据新基建”。
宏杉科技金融行业产品总监徐松在会上发表了题为“智存高远 宏创未来”的主题演讲。此外,宏杉科技还在峰会上发布了企业级高端智能存储MS9000G2,该产品入选了“2021数据新基建·金建榜优秀产品”榜单。宏杉科技以智能存储推动中国数据中心行业蓬勃发展。
宏杉科技金融行业产品总监 徐松
随着数字化转型的深入推进,越来越多的企业通过不同方式走向数字化转型之路。在宏杉科技看来,企业要想确保数字化转型的成功,就需要对数据中心进行转型,这需要一个现代化的数据中心基础架构。
为建设现代化的数据中心基础架构,用户对高端存储提出了更高的要求,不仅要满足传统业务系统对于存储高可用、高可靠、高一致性的要求,还需要不断进化,适应云原生、弹性扩展等新技术的应用趋势。
宏杉科技在存储领域拥有超过15年的研发经验和技术积累,成为全球存储领域少数具有全系列产品及解决方案研发、生产、销售和服务能力的高科技企业。宏杉科技扎根中国,洞察用户需求,推出了双矩阵高端多控、端到端NVMe 等业界领先的存储技术。
去年,宏杉科技正式发布支持NVMe的高端全闪存MS7000G2-Mach,极致性能实现用户业务的极速响应。随后,宏杉科技致力于NVMe产品的系列化,先后发布面向中端存储市场的NVMe全闪存MS5500G2-Mach,以及在全线存储产品上配置NVMe SSD的智能NVMe盘柜DSU5625。当前,NVMe-oF协议的演进已成为大势所趋,宏杉科技已基于100G RDMA实现对NVMe-oF的支持,可提供端到端的NVMe,满足企业级数据中心对低时延和高性能的要求。
今年,面向数据中心核心应用,宏杉科技发布了高性能、高可靠性的企业级高端智能存储MS9000G2,满足用户核心业务最苛刻的可靠性要求。MS9000G2延续宏杉科技十余年成功的高端存储设计经验,采用最新一代至强可扩展处理器和大缓存设计,内置硬件加速,轻松提供数百万级IOPS以及超低IO延时。同时,结合宏杉科技独有的V4引擎技术,在一个控制框内将四个控制器通过PCI-E 3.0技术进行高速互联,搭建紧耦合架构。在缓存数据访问上,通过缓存四重镜像算法,实现写缓存数据在四个控制器内实时同步,保障任意三个控制器同时故障时,缓存数据不丢失。在硬盘访问上,采用创新的硬盘网络交换矩阵架构,每个控制器和磁盘柜都通过SAS 3.0通道互联,保证任意三个控制器同时故障时,所有硬盘访问不受影响。为用户提供万无一失的数据和业务连续性保护。
宏杉科技MS9000G2可以为不同行业用户的数据中心核心应用提供高性能、安全可靠、资源弹性部署的存储平台。诸如银行的核心交易系统、医院的HIS系统、财政的支付系统、企业的ERP系统,为用户核心数据保驾护航。
徐松表示,宏杉科技一直以来专注于存储领域,不断创新,努力打造极致性能,安全可靠和数据智能管理的存储产品,并赢得了市场的广泛认可。未来,宏杉科技将持续深耕金融、政府、教育、医疗、交通等行业,凭借智能创新的存储产品及解决方案加速百行百业数字化转型。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。