数字新时代,经济新格局。过去的一年里,随着数字技术的快速创新迭代,我国数字经济呈现迅猛发展的势头。1月12日,由工业和信息化部直属单位赛迪网、《数字经济》杂志社主办的2021数字经济领航者峰会在线上顺利举行。本次线上峰会汇集了数字经济领域的大咖专家和行业精英,分享总结了数字经济创新发展的成功经验。杉岩数据北区总经理苏晨受邀出席大会,并作《新存储重构新经济模式和业务形态》的主题分享。

图1 杉岩数据北区总经理苏晨作主题演讲
数字经济以数据资源为关键要素,以现代信息网络为主要载体,以信息通信技术融合应用、全要素数字化转型为重要推动力,数据的安全高效存储成为推进产业数字化和数字经济持续发展的重要基石。苏晨指出,数据要素是数字经济深化发展的核心引擎,在物联网、云计算、AI等新一代信息技术推动下,存储将成为推动产业数字化发展的基石,软件定义存储或将全面替代传统存储,预计到2025年,数字经济将迈向全面扩展期,数字化创新、智能化水平将大幅提升。苏晨认为,大数据存储已经进入智能发展的3.0时代,反映在基于数据感知的智能数据预处理和智能调度、基于应用感知的数据访问加速、存储系统自身的智能运维和管理等表征上。
当前,数字技术自主创新能力显著提升,数字化产品和服务供给质量大幅提高,有序推进基础设施智能升级。苏晨表示,杉岩数据作为数字经济的推动者和实践者,始终围绕海量数据的“存、管、挖”需求,通过存储架构的升级,深化数据跨层级、跨地域、跨部门等有序共享,赋能企业数字化转型升级。

图2 杉岩数据客户价值金字塔模型
为加快推动数字产业化,杉岩数据聚焦战略性前瞻性领域,基于分布式存储架构,以数字技术与各领域融合应用为导向,自主研发出海量对象存储、统一存储平台、超融合一体机、安全存储一体机四大产品矩阵及行业解决方案,是海量、安全、智能、非结构化数据存储的最佳选择。杉岩数据着力提升基础软硬件的核心产业竞争力,深化新一代信息技术集成创新和融合应用,加快产品化、平台化、定制化服务模式创新,打造新兴数字产业优势。其智能存储产品及解决方案已在金融、制造、政企、互联网、能源、医疗等10余个行业实现大规模商用部署,支撑了金融科技、智能制造、智慧医疗、智慧交通、智慧安防、私有云、混合云等20多个不同类型的应用场景,已服务800余家客户,如海通证券、广发证券、恒丰银行、中国银联、联测优特半导体、信维通信、中国广核集团、中移物联网、中国南方电网深圳供电局等,存储总容量超过4500PB。
在数字经济产业的深度融合之下,加强资源共享和数据开放,软件定义存储市场稳步增长。据国际数据公司IDC报告显示,杉岩数据以25.2%的市场份额位居中国对象存储市场第一,并连续三年处于行业领先位置。同时,以软件定义存储专业厂商入选Gartner首份《中国软件定义存储竞争格局报告》,成为数字经济产业软件定义存储的领跑者。
存储无限精彩,数据创造价值。在《“十四五”数字经济发展规划》的指导下,增强关键技术创新能力,提升核心产业竞争力,杉岩人将继续以客户数字产业化需求为核心,用智能存储赋能新经济。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。