


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
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