戴尔科技刘志洪:企业需要在数据集和应用间建立一条“流水线”

新浪科技
Aug 31

  新浪科技讯 8月31日晚间消息,近日,戴尔科技集中展示了私有云与存储、智能数据平台、网络弹性等领域的创新成果。戴尔科技集团大中华区信息基础架构解决方案事业部存储业务总经理刘志洪在与新浪科技沟通中指出,“当前,智能应用大爆发正在成为趋势,但真正在企业里大规模落地的还不多。”

  “核心难点最终归结到一个问题:智能到底怎么实现?”在刘志洪看来,无论是机器人的智能,还是智能体的智能,要达到甚至超过人的水平,都必然要经历大量的训练过程。智能应用离不开算法、算力和数据,但算法和算力市场上都有供应商,真正决定智能上限的,其实是数据。

  他比喻说,大学生毕业进入企业未必能直接胜任,因为每家企业都有自己的技术诀窍。“即使算力一样、模型一样,最终培养出来的智能程度也会不同。”这也直观的说明了一个事实:相比于算法和算力,真正决定企业智能能力的,是企业自身数据的质量和数量,这是别人无法替代的,是企业智能应用真正的卡点,它决定了智能应用能够达到什么样的智能水平。

  然而,企业数据往往分散在过去几十年建设的各种系统里,ERP、CRM、邮件系统各自为政,更有大量数据散落在工程师笔记本、某封邮件或会议纪要里。“这些散落的数据,往往恰恰包含企业最重要的诀窍。”同时,数据量越大越难迁移,数据存在不等于可用,数据质量同样关键。

  据刘志洪介绍,针对这些挑战,戴尔科技推出智能数据平台,将分散的企业原始数据转化为可被智能应用直接调用的高性能数据基础,通过存储引擎、数据引擎和数据编排引擎,在数据集和应用之间建立起一条数据流水线。

  此外,据戴尔科技集团大中华区信息基础架构解决方案事业部企业技术战略总监许良谋介绍,戴尔科技解决方案具备两方面特点:第一是数据变化的实时感知。传统方式下,企业要知道哪些文件新增或修改,往往需要人工判断或批处理,导致前端无法及时获得最新数据。“我们现在可以从后台感知数据变化,并帮助前端的智能应用实时获取最新的数据状态。”第二是通过存储提升长上下文支持能力,智能应用需要长上下文,但GPU显存有限,通过KV Cache卸载等技术手段,可将部分上下文缓存压力转移至存储系统,从而缓解显存瓶颈。

  智能应用的爆发,也带来了存储等基础设施的需求量爆发。据IDC 2026年第一季度发布的《全球外部企业级存储系统季度追踪报告》,戴尔科技以31.2%的份额位居第一。超高市场份额背后,是过去四十年戴尔科技积累的大量存储产品能力。

据刘志洪介绍,戴尔科技最新升级的PowerStore Elite全闪存储产品,其最为核心的数据缩减保障能力从去年的5:1提升到今年的6:1,可实现最高3倍的IOPS、存储密度与吞吐能力提升,支持无中断升级能力,为企业持续增长的数据需求和智能工作负载提供稳定、高效的数据承载能力。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10