未来企业数据存储的十大展望
-
AI大模型
需要更高效海量数据收集、预处理，更高性能训练数据加载和模型数据保存，以及更精准行业推理知识库。以近存计算、向量存储为代表的AI数据新范式正在蓬勃发展
-
大数据
经历了历史信息统计、未来趋势预测阶段，正在进入辅助实时精准决策、智能决策阶段。以近存计算为代表的数据新范式，将大幅提升湖仓一体大数据平台分析效率
-
分布式数据库
以开源为基础的分布式数据库，正在承担越来越关键的企业应用，新的分布式数据库+共享存储的高性能、高可靠架构正在形成
-
云原生
云计算的建设模式从封闭全栈走向开放解耦，从而实现多云资源共享。容器云平台要求数据存储提升资源发放效率，并承载全新的云原生应用
-
非结构化数据
到2025年全球数据量将达180ZB，其中80%以上都是非结构化数据，非结构化数据正在成为生产决策数据
-
存储内生安全
AI大模型应用聚集海量企业私域数据，数据安全风险剧增。构建包括存储内生安全在内的完整数据安全体系，迫在眉睫
-
全场景闪存普惠
全闪存存储以高性能、高可靠、更优的TCO，不仅实现对高性能机械硬盘的替代，也将实现对大容量机械盘的替代，从而打造全闪存数据中心
-
以数据为中心的架构
AI大模型推动数据中心的计算、存储架构从以CPU为中心走向以数据为中心，新的系统架构、生态正在重新构建
-
AI赋能存储
AI技术正在越来越多地融入在数据存储产品及其管理，从而大幅改善数据基础设施的SLA水平
-
存储绿色节能
绿色节能从产业牵引进入实施执行阶段，占数据中心能耗30%的数据存储，能耗指标正在纳入建设标准
AI大模型
分布式数据库
关键建议
AI大模型
- 数据决定AI智能的高度，企业应该建立计算与存储并重的AI大模型基础设施。
- 企业应该构建具备前瞻性的数据基础设施架构，包括全面闪存化、以数据为中心的架构、数据编织、新数据范式（向量存储、近存计算）以及存储内生安全。
- 对于企业的细分行业场景应用，采用一站式的训/推超融合一体机建设模式。
大数据
- 企业关注大数据平台与存储的协同创新，推进数据分析走向实时
- 成立大数据平台与存储联合设计团队，形成协同工作常态机制
- 大数据平台基于存算分离架构向湖仓一体演进，探索新数据范式，实现T+0实时决策
分布式数据库
- 坚定不移的推动分布式数据库存算分离架构
- 联合数据库团队和存储团队，共同孵化新的数据范式
云原生
- 企业不确定性的创新业务、OA 办公为代表的外围业务切入公有云，核心竞争力业务保留在自有数据中心
- 容器平台团队与存储团队协同构建敏捷、高可靠的容器平台，并针对容器应用孵化最佳实践
- 采用开放解耦的云建设模式
- 根据企业和业务需求选择适合的商业模式
非结构化数据
- 数据存储建议企业IT团队加强海量非结构化数据处理能力建设
- 选择专业的分布式存储来构建海量非结构化数据底座
存储内生安全
- 企业在关注网络安全防护的同时，应考虑将存储的安全能力加入企业的安全建设当中
- 存储设备应具备底层的抗攻击能力，存储应加强自身的软件与硬件安全能力
- 关注存储设备的加密、防勒索等数据安全防护能力的部署
全场景闪存普惠
- 企业应组织技术团队，对当下与未来IT 系统数据量与业务诉求进行研讨，并制定全闪存存储建设规划
- 抓住存储生命周期更迭以及新建机会，持续加速全闪存存储应用
以数据为中心的架构
- 企业积极关注服务器和存储架构演进的趋势和进展，从而适时调整，尝试新型存储
AI赋能存储
- 清晰地定义业务模型指标与SLA要求，做好新平台和新技术引入后的评价标准体系
- 积极采用存储厂商提供的AI能力，并且与存储厂商联合，持续改进
- 更新企业IT团队能力模型，对员工做好充足的预培训
存储绿色节能
- 从关注单设备功耗走向关注全生命周期碳排放
- 企业遵从统一的能效测评标准
- 积极采用创新技术降低能耗
十大展望解读与建议举措
展望解读
AI的发展远超过预期，AI大模型正在从基础大模型走向企业自建的行业大模型，而数据则决定了AI智能的高度。作为数据载体，数据存储是AI大模型数据收集、预处理、训练、推理的重要一环，并成为了AI大模型的关键基础设施。
建议举措
1数据决定AI智能的高度，企业应该建立计算与存储并重的AI大模型基础设施
2AI大模型采用和HPC、大数据同源的数据湖建设模式，并对当前的数据湖存储进行性能升级
3企业应该构建具备前瞻性的数据基础设施架构，包括全面闪存化、以数据为中心的架构、数据编织、新数据范式（向量存储、近存计算）以及存储内生安全
4对于企业的细分行业场景应用，采用一站式的训/推超融合一体机建设模式
5打造具备AI大模型、尤其是AI大模型存储的专业技术团队，提升企业AI大模型的专业能力
