企業(yè)數(shù)智化轉(zhuǎn)型的過程是數(shù)據(jù)價(jià)值釋放的過程，數(shù)智世界加速而來，數(shù)據(jù)正在“覺醒”，成為越來越重要的新型生產(chǎn)要素，加速數(shù)據(jù)資產(chǎn)化。

“在AI的推動(dòng)下，數(shù)據(jù)正在經(jīng)歷五大變化：從冷數(shù)據(jù)到溫?cái)?shù)據(jù)的價(jià)值激活，從成本中心到利潤(rùn)中心的變現(xiàn)加快，從向量到張量的檢索精度提升，從10GB/s到100GB/s的讀寫吞吐率提升，從被動(dòng)安全到主動(dòng)安全的安全加固。”在華為中國(guó)合作伙伴大會(huì)2024上，華為數(shù)據(jù)存儲(chǔ)產(chǎn)品線總裁周躍峰如是說。

華為數(shù)據(jù)存儲(chǔ)產(chǎn)品線總裁周躍峰

邁向AI時(shí)代，數(shù)據(jù)的價(jià)值發(fā)生巨大變化，當(dāng)數(shù)據(jù)變成重要的生產(chǎn)要素，這意味著對(duì)數(shù)據(jù)要素的價(jià)值釋放提出更高目標(biāo)。

AI時(shí)代，從冷數(shù)據(jù)到溫?cái)?shù)據(jù)的價(jià)值激活

在數(shù)字化時(shí)代，我們常聽到一個(gè)詞：數(shù)據(jù)驅(qū)動(dòng)。數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)、數(shù)據(jù)驅(qū)動(dòng)決策等背后所代表的是對(duì)數(shù)據(jù)的收集和分析、沉淀，但這時(shí)對(duì)數(shù)據(jù)利用的深度和廣度并不足，也經(jīng)常以冷、溫、熱來區(qū)別數(shù)據(jù)的可用度。但進(jìn)入智能化時(shí)代，數(shù)據(jù)擔(dān)當(dāng)?shù)慕巧l(fā)生了巨大改變。

正如周躍峰所說，當(dāng)下企業(yè)有很多歸檔的冷數(shù)據(jù)，隨著AI時(shí)代的到來，冷數(shù)據(jù)將不復(fù)存在，一定會(huì)變成溫?cái)?shù)據(jù)，甚至熱數(shù)據(jù)，數(shù)據(jù)的含義從過去僅僅是信息的記錄和保存，變成資產(chǎn)去進(jìn)行大模型訓(xùn)練、挖掘知識(shí)、產(chǎn)生新的服務(wù)。

例如，當(dāng)AI大模型作為新的先進(jìn)手段應(yīng)用于氣象預(yù)報(bào)后，大量的歷史數(shù)據(jù)需要參與AI模型的訓(xùn)練、調(diào)優(yōu)，進(jìn)而提高模型預(yù)測(cè)的準(zhǔn)確率，在這個(gè)過程中，封存幾十年的歷史數(shù)據(jù)因此被激活、被喚醒。冷數(shù)據(jù)需要被隨時(shí)調(diào)用，變成了溫?cái)?shù)據(jù)，AI促進(jìn)“數(shù)據(jù)覺醒時(shí)代”的到來。

數(shù)據(jù)要素投入生產(chǎn)數(shù)盡其用，從成本到“變現(xiàn)”

伴隨數(shù)智世界的到來，數(shù)據(jù)量快速增長(zhǎng)。根據(jù)IDC報(bào)告顯示，中國(guó)數(shù)據(jù)量規(guī)模將從2022年的23.88ZB增長(zhǎng)至2027年的76.6ZB，年均增長(zhǎng)速度CAGR達(dá)到26.3%，為全球第一，全球數(shù)據(jù)量規(guī)模預(yù)計(jì)增長(zhǎng)一倍以上，到2027年將達(dá)到284.3ZB。

高速增長(zhǎng)的數(shù)據(jù)量規(guī)模帶來巨大的硬件和維護(hù)成本，在AI時(shí)代之前，很多企業(yè)并沒有完全認(rèn)識(shí)到數(shù)據(jù)的價(jià)值，或者說沒有足夠的技術(shù)來充分利用數(shù)據(jù)，因此，數(shù)據(jù)的價(jià)值常常無法得到最大化體現(xiàn)，數(shù)據(jù)具有較高的存儲(chǔ)、計(jì)算和管理成本。

AI時(shí)代，從冷數(shù)據(jù)到溫?cái)?shù)據(jù)，當(dāng)存在“角落”的冷數(shù)據(jù)創(chuàng)造產(chǎn)生新的價(jià)值，意味著其具備了“變現(xiàn)”能力，數(shù)據(jù)要素投入生產(chǎn)數(shù)盡其用，數(shù)據(jù)轉(zhuǎn)化為可量化、可交易、可持續(xù)增值的資產(chǎn)，實(shí)現(xiàn)從成本中心到利潤(rùn)中心的變現(xiàn)加快。

例如，在醫(yī)療行業(yè)，通過分析患者的醫(yī)療記錄和健康信息，醫(yī)療機(jī)構(gòu)能夠更精確地制定治療方案，預(yù)測(cè)患者的治療反應(yīng)，提高診療質(zhì)量和效率。并進(jìn)而可以與保險(xiǎn)行業(yè)結(jié)合，通過分析個(gè)體的醫(yī)療數(shù)據(jù)，保險(xiǎn)公司可以更準(zhǔn)確地評(píng)估客戶的風(fēng)險(xiǎn)等級(jí)，從而合理定價(jià)保險(xiǎn)產(chǎn)品，包括定制化保險(xiǎn)產(chǎn)品等，加速數(shù)據(jù)“變現(xiàn)”。

從向量到張量數(shù)據(jù)，理解復(fù)雜世界

進(jìn)入AI時(shí)代，數(shù)據(jù)處理的復(fù)雜度進(jìn)一步提升，如何從海量的、多維度的數(shù)據(jù)中提取有價(jià)值信息，以適應(yīng)各種各樣的業(yè)務(wù)場(chǎng)景已經(jīng)成為了至關(guān)重要的問題。

在傳統(tǒng)的數(shù)據(jù)處理中，數(shù)據(jù)一般被認(rèn)為是向量，向量是元素的一維列表，不適用于復(fù)雜的數(shù)據(jù)處理，以及容易造成信息丟失，并可能需要消耗大量的計(jì)算資源和時(shí)間。進(jìn)入AI深度學(xué)習(xí)領(lǐng)域，張量可以看作是高維度的數(shù)據(jù)，它就像一個(gè)多維數(shù)據(jù)的數(shù)組。例如，一張彩色圖片可以看作是一個(gè)三維張量，前兩個(gè)維度表示圖片的長(zhǎng)和寬，第三個(gè)維度表示RGB的三個(gè)顏色通道和顏色強(qiáng)度。

從向量到張量的轉(zhuǎn)變，使得AI大模型能夠理解和表示更為復(fù)雜的模式和規(guī)律，從而在圖片、聲音、視頻等復(fù)雜數(shù)據(jù)處理上有了更好的性能，檢索精度提升，進(jìn)而對(duì)于真實(shí)世界的復(fù)雜性有更深的理解。

從10GB/s到100GB/s的讀寫吞吐率提升

從數(shù)字化到智能化，帶來的另一個(gè)顯著變化是對(duì)處理處理性能上的要求提升，最直觀的體現(xiàn)是數(shù)據(jù)存儲(chǔ)讀寫吞吐率的提升。

大模型訓(xùn)練涉及到大量的數(shù)據(jù)讀取和寫入，數(shù)據(jù)的讀寫速度能夠直接影響模型的訓(xùn)練速度和效率，所以需要數(shù)據(jù)存儲(chǔ)設(shè)備具有足夠的I/O性能。相比HDD，全閃存介質(zhì)支持高IOPS、低時(shí)延，更適用于AI大模型訓(xùn)練階段的隨機(jī)讀寫場(chǎng)景。

存儲(chǔ)內(nèi)生安全，守護(hù)數(shù)據(jù)安全最后一道防線

此外，安全是伴隨數(shù)智化、智能化發(fā)展的永恒話題。在全世界范圍內(nèi)，勒索攻擊事件發(fā)生的頻率越來越高，大中型企業(yè)深受其擾。

根據(jù)區(qū)塊鏈數(shù)據(jù)分析機(jī)構(gòu)Chainalysis公布的一組數(shù)據(jù)顯示，2023年勒索軟件攻擊者從受害者處勒索的加密貨幣價(jià)值就超過10億美元，創(chuàng)下歷史新高。過去幾年間，針對(duì)能源、金融、制造等行業(yè)的勒索攻擊事件持續(xù)上演，日前勒索攻擊團(tuán)伙“國(guó)際獵手”針對(duì)日本豪雅株式會(huì)社攻擊索要1000萬美元贖金的事件又成為熱點(diǎn)。網(wǎng)絡(luò)勒索成為數(shù)字空間最大的威脅來源，針對(duì)此類攻擊的安全防護(hù)成為企業(yè)關(guān)注的重點(diǎn)。

存儲(chǔ)作為數(shù)據(jù)安全的最后一道防線，在勒索攻擊防護(hù)上扮演著重要的角色，存儲(chǔ)內(nèi)生安全應(yīng)當(dāng)成為未來存儲(chǔ)系統(tǒng)必須具備的基礎(chǔ)能力。存儲(chǔ)內(nèi)生安全體系架構(gòu)從存儲(chǔ)設(shè)備安全、數(shù)據(jù)安全防護(hù)能力，結(jié)合安全管理流程，補(bǔ)齊網(wǎng)絡(luò)安全能力，能夠?qū)崿F(xiàn)從被動(dòng)安全到主動(dòng)安全的安全加固，守護(hù)企業(yè)核心數(shù)據(jù)資產(chǎn)安全。

AI時(shí)代，數(shù)據(jù)覺醒，構(gòu)筑“以存強(qiáng)算、以存強(qiáng)訓(xùn)、以存強(qiáng)安”的領(lǐng)先數(shù)據(jù)基礎(chǔ)設(shè)施

AI促進(jìn)“數(shù)據(jù)覺醒”，作為數(shù)據(jù)保存的保險(xiǎn)箱和數(shù)據(jù)價(jià)值挖掘的發(fā)動(dòng)機(jī)，面向未來的存儲(chǔ)要如何適配變化，才能充分激活數(shù)據(jù)資產(chǎn)潛能？

首要地，數(shù)據(jù)存儲(chǔ)技術(shù)一定是向著更高性能邁進(jìn)，例如從以存算一體為代表的傳統(tǒng)存儲(chǔ)架構(gòu)向存算分離的新型架構(gòu)不斷演進(jìn)，實(shí)現(xiàn)資源池化和極致彈性，推動(dòng)分布式數(shù)據(jù)庫進(jìn)核心生產(chǎn)系統(tǒng)；其次，在AI訓(xùn)練中存儲(chǔ)不應(yīng)該僅僅起到對(duì)訓(xùn)練數(shù)據(jù)的支撐作用，更重要的是在整個(gè)資源消耗巨大的訓(xùn)練系統(tǒng)中，讓數(shù)據(jù)的可用性效率得到極大提升；再者，在存儲(chǔ)側(cè)多層聯(lián)動(dòng)勒索攻擊防護(hù)，主動(dòng)守護(hù)數(shù)據(jù)安全。

面向AI時(shí)代，華為通過OceanStor Dorado全閃存和CANTIAN引擎，推動(dòng)分布式數(shù)據(jù)庫向“存算分離+統(tǒng)一存儲(chǔ)”的多主架構(gòu)升級(jí)，實(shí)現(xiàn)以存強(qiáng)算；打造AI數(shù)據(jù)湖解決方案，實(shí)現(xiàn)AI訓(xùn)練數(shù)據(jù)全局可視、可管、可用，訓(xùn)練數(shù)據(jù)歸集、預(yù)處理和訓(xùn)練效率倍增，以存強(qiáng)訓(xùn)；首創(chuàng)多層聯(lián)動(dòng)勒索攻擊防護(hù)（MRP）技術(shù)，通過存網(wǎng)協(xié)同檢測(cè)、協(xié)同響應(yīng)和協(xié)同恢復(fù)三大核心能力，更好地應(yīng)對(duì)數(shù)據(jù)被勒索的風(fēng)險(xiǎn)，實(shí)現(xiàn)以存強(qiáng)安。

總之，“數(shù)據(jù)覺醒”時(shí)代，AI加速數(shù)據(jù)資產(chǎn)化，數(shù)據(jù)引擎正在被注入巨大動(dòng)能。在加速行業(yè)數(shù)智化轉(zhuǎn)型的旅程中，助力行業(yè)企業(yè)打造領(lǐng)先的數(shù)據(jù)基礎(chǔ)設(shè)施，以存強(qiáng)算，以存強(qiáng)訓(xùn)，以存強(qiáng)安，作為推動(dòng)者，華為正以先進(jìn)數(shù)據(jù)存力為AI激活數(shù)據(jù)資產(chǎn)潛能。