AI時代的到來,讓許多工作都可以變得智能化、自動化,節(jié)省了許多的人力。某電商近年來開始在倉庫中增加打包機器人,這種機器人每小時可處理600至700箱,是人類打包速度的4至5倍。換句話說,每個倉庫都可以大大提高效率,節(jié)省人力。
在傳統(tǒng)意義上,我們認為AI只能替代人類進行一些簡單、重復性的勞動(比如“打包”這種),但事實上隨著AI算力的發(fā)展,隨著越來越多的數(shù)據(jù)積累,AI能夠?qū)崿F(xiàn)的工作越來越多。甚至在許多專業(yè)領域,AI也能夠取代人類。
日前,華為在北京面向全球發(fā)布了人工智能原生(AI-Native)數(shù)據(jù)庫GaussDB和分布式存儲FusionStorage 8.0,這也意味著華為開始利用AI重新定義數(shù)據(jù)基礎設施。我們知道,AI布局的三大要素就是計算力、數(shù)據(jù)和算法,在基礎設施領域也就對應了計算、存儲和數(shù)據(jù)分析處理三大關鍵性設備。這次發(fā)布,也標志著華為在三者的布局已經(jīng)順利實現(xiàn)。
當天的發(fā)布會上,華為常務董事、ICT戰(zhàn)略與Marketing總裁汪濤率在演講中,尤其提到了“數(shù)據(jù)+智能”的密切關系。他列舉了在自動駕駛、金融風控、能源供應和環(huán)境保護等方面的案例,說明華為在數(shù)據(jù)管理,進而在智能化轉(zhuǎn)型中不可替代的重要地位。
汪濤認為,數(shù)據(jù)基礎設施建設是各行各業(yè)加速智能化進程的必由之路。過去十年,隨著企業(yè)應用的快速發(fā)展,IT系統(tǒng)中形成一個個孤島,數(shù)據(jù)無法共享,資源不能流動,管理和擴展復雜,存儲效率問題凸顯。傳統(tǒng)數(shù)據(jù)分析平臺無法適配AI引擎,不支持實時流處理,數(shù)據(jù)的價值沒有得到充分挖掘。而華為需要實現(xiàn)的,就是圍繞計算、存儲和數(shù)據(jù)處理三個領域重定義數(shù)據(jù)基礎設施,助力各行業(yè)加速邁向智能時代。
智能分布式存儲FusionStorage 8.0
作為一家技術積累豐厚的公司,華為存儲在性能上一直處于業(yè)界前列,華為FusionStorage一直是用戶最佳選擇之一,也為用戶解決了大數(shù)據(jù)時代數(shù)據(jù)的智能化存儲問題。此次發(fā)布的FusionStorage8.0,在性能、多存儲協(xié)議和AI生命周期管理方面取得了三大技術創(chuàng)新與突破。它支持ARM處理器鯤鵬920,其性能加速能夠促進IOPS 提升20%,再結(jié)合華為AI Fabric無損網(wǎng)絡,時延進一步降低15%。單節(jié)點性能高達16.8萬每秒讀寫速度(IOPS)和1毫秒以內(nèi)時延,可以應用于關鍵業(yè)務。
與此同時,F(xiàn)usionStorage 8.0的另一大優(yōu)勢就是同時支持塊、文件、對象、HDFS協(xié)議。以往,我們需要為不同的協(xié)議選擇不同的存儲系統(tǒng),如今在軟件定義存儲的大潮下,在開源應用的推動下,使用華為FusionStorage 8.0存儲就可以實現(xiàn)傳統(tǒng)業(yè)務的所有需求,真正實現(xiàn)一套存儲支撐一個數(shù)據(jù)中心。
當然,作為一款智能化的存儲,將人工智能技術融入存儲全生命周期管理也是必不可少的。傳統(tǒng)存儲在運維層面依然需要大量的人力來實現(xiàn),并且因為存儲設備的重要性,許多運維人員也是日夜心驚膽戰(zhàn)。但是新一代的FusionStorage 8.0就可以從資源規(guī)劃、業(yè)務發(fā)放、系統(tǒng)調(diào)優(yōu)、風險預測、故障定位等方面實現(xiàn)智能運維管理,管理者只需要關注智能報告,就可以隨時掌握存儲運行的最新動向。
智能分布式存儲FusionStorage 8.0通過重定義存儲架構(gòu),從Storage for AI和AI in Storage兩個維度實現(xiàn)效率大幅提升,引領存儲智能化。華為不僅僅在口頭上支持AI應用,更是將AI應用落實在了具體的產(chǎn)品與解決方案當中,幫助客戶借助于龐大的數(shù)據(jù)資源,實現(xiàn)智能化的管理和運維。
全球首款AI-Native數(shù)據(jù)庫GaussDB
有了強大的計算力、智能化的管理,重定義數(shù)據(jù)基礎設施的道理走起來也更為廣闊。不過這其中,還需要最關鍵的一步——如何利用計算力,將原有的數(shù)據(jù)轉(zhuǎn)變?yōu)槟軌蛑笇髽I(yè)業(yè)務決策與發(fā)展的源動力。這其中,就需要數(shù)據(jù)分析與處理能力,也就是當天發(fā)布會上華為重磅發(fā)布的GaussDB,全球首款AI-Native數(shù)據(jù)庫。
數(shù)據(jù)庫,是一個非常特別的領域。一方面,雖然這個領域的玩家不少,但卻是真正的“二八定律”之地;另一方面,由于數(shù)據(jù)庫的特殊性,也使得客戶在采用其他替代方案的時候“步步驚心”,特別是擔心失去了DBA(數(shù)據(jù)庫管理員)支持之后自身業(yè)務受到影響。還記得當年喊得響亮的“去IOE”嗎?這么多年過去了,I和E都受到一定沖擊,但是O依然發(fā)揮著自己的影響力。
不過這一次,華為是真心打算引起“數(shù)據(jù)庫革命”了。早在2012年,華為就開始研發(fā)面向大數(shù)據(jù)分析的數(shù)據(jù)倉庫,在基于傳統(tǒng)關系型數(shù)據(jù)庫SQL引擎和事務強一致性等基礎上,進行了分布式、并行計算的改造。在談到為什么以天才的、偉大的科學家高斯來命名的時候,華為首席數(shù)據(jù)庫科學家李國良談到了兩點考慮:一方面有著致敬科學家的意味,另一方面也預示著華為要“像科學家一樣,推動科技進步,為人類社會發(fā)展做貢獻”。
之所以定義為“AI-Native數(shù)據(jù)庫”,就是因為這款數(shù)據(jù)庫首次將人工智能技術融入分布式數(shù)據(jù)庫的全生命周期,實現(xiàn)自運維、自管理、自調(diào)優(yōu)、故障自診斷和自愈。GaussDB采用了華為基于深度強化學習的自調(diào)優(yōu)算法,在業(yè)務實測中可以達到60%的性能提升。
現(xiàn)場同時展示了GaussDB在招商銀行、民生銀行等大型銀行的關鍵業(yè)務應用案例。在招商銀行,GaussDB應用于綜合交易流水、風險預警和重資產(chǎn)營銷三大平臺中,使得數(shù)據(jù)容量提升10倍,AZ內(nèi)故障恢復速度提升30倍;在民生銀行,華為提供了ARM+GaussDB的模式,“解決了集中式架構(gòu)擴展性和性能瓶頸的問題,同時可分散風險,提升業(yè)務連續(xù)性,探索出了一條新的道路”。
構(gòu)建開放、合作、共贏的產(chǎn)業(yè)生態(tài)
當然,在企業(yè)級市場中,一款產(chǎn)品或者一套解決方案好不好,不僅僅是研發(fā)與技術的問題,還關乎整個生態(tài)系統(tǒng)的健壯與否。在這次大會上,華為也明確提出了構(gòu)建開放、合作、共贏的產(chǎn)業(yè)生態(tài)的理念,并表示華為將積極攜手客戶、伙伴在數(shù)據(jù)庫與存儲領域,從行業(yè)應用、平臺工具、標準組織和社區(qū)等多個層面共建開放、合作、共贏的產(chǎn)業(yè)生態(tài)。
為此,華為與軟通智慧、神州信息、東華軟件、易華錄、用友政務、亞信國際等獨立軟件開發(fā)商長期合作;與Tableau、帆軟、ARM、Veritas等合作伙伴聯(lián)合創(chuàng)新;在標準組織和社區(qū)層面,華為還深度參與OpenSDS、中國人工智能產(chǎn)業(yè)聯(lián)盟、OCP、OpenStack、CNCF基金會等組織和社區(qū)的建設。
在IDC 2018年中國區(qū)軟件定義存儲市場份額報告中,華為穩(wěn)居第一。華為大數(shù)據(jù)解決方案已經(jīng)應用于全球60個國家及地區(qū),服務于1500多個客戶,擁有500多家商業(yè)合作伙伴,并廣泛應用于金融、運營商、政府、能源、醫(yī)療、制造、交通等多個行業(yè)。
我們身邊有許多人在使用華為的手機、筆記本等終端設備,也有許多客戶在采用華為服務器、存儲和云服務搭建自己的數(shù)據(jù)中心平臺。但事實上,在華為公司接近9萬人的研發(fā)隊伍中,70%以上的人在進行開發(fā),算法和軟件,這是華為ICT領域最核心的競爭力。正如演講中提到的,創(chuàng)新是華為產(chǎn)品研發(fā)的核心文化,華為也將持續(xù)發(fā)揮“聯(lián)接+計算+云”的協(xié)同優(yōu)勢,引領ICT產(chǎn)業(yè)發(fā)展,幫助客戶實現(xiàn)數(shù)字化、智能化轉(zhuǎn)型,成為智能時代的發(fā)動機。
-
機器人
+關注
關注
211文章
28627瀏覽量
207940 -
AI
+關注
關注
87文章
31462瀏覽量
269845 -
數(shù)據(jù)庫
+關注
關注
7文章
3845瀏覽量
64582
原文標題:華為用AI重定義數(shù)據(jù)存儲
文章出處:【微信號:gh_6ee649e83ee2,微信公眾號:華為云與計算】歡迎添加關注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關推薦
評論