21世紀經濟報道記者駱軼琪 廣州報道
AI大模型的快速發展正對半導體產業鏈的多個維度引發旺盛需求，除了備受關注的GPU計算能力之外，與之相匹配的存力也在同步成長。
AI相關存儲需求的提振，甚至已經在幫助存儲頭部廠商加速擺脫增長緩慢的難題。
調研機構Gartner就預計，2024年全球半導體行業收入將增長16.8%至6240億美元，存儲器市場將實現66.3%成長性是其中主要驅動，其中NAND閃存部分預計收入同比增長49.6%至530億美元，DRAM運存部分預計增長88%至874億美元。
當前階段，更重要的是產業鏈之間積極協同，以助推算力產業鏈共同發展，進而驅動AI大模型真正落地。
近日，聯想凌拓首席執行官陸大昕在接受采訪時強調，現在談AI的行業應用為時過早。“關于人工智能到底能發揮什么作用，行業場景很復雜、細分，更需要有行業沉淀來支撐模型，形成人工智能的邏輯，這需要有一個共識。”
因此他認為，現在可能還處在人工智能真正改進人類工作和生活的“前夜”。在這個階段，更多是要做好基礎設施，考慮怎樣圍繞細分行業打造一個完整的生態系統。
至于AI引發的驅動力將率先來自哪里，聯想凌拓產品管理與營銷高級總監林佑聲對21世紀經濟報道記者表示，公司也在觀察探討。“我們當然希望存儲在AI風潮能有快速增長。但AI產業還在發展初期階段，有一個演化過程。AI并不能迅速為人類帶來很多改變，這其實是一點點由數據、模型、訓練等積累完成，這些積累與存儲的增長都有關系。”
數據即算法
AI大模型加速發展背后，迫切需要的是優質數據和計算能力支撐。
近日舉行的聯想凌拓2024技術大會上，聯想凌拓首席執行官陸大昕在演講中指出，作為算力價值發揮的基礎，數據存儲是提升數據質量和處理效率的利器。數據存儲技術的不斷演進，使得智能數據管理的性能及效率日益攀升。某種意義上，數據即為算法。
他進一步分析，根據相關機構測算，中國人工智能產業市場規模的年復合增長率已達25.6%，可以說充滿生機和活力。中國政府從2017年開始，從國家政策層面先后推出了12項促進人工智能產業發展的重大舉措，足見重視。
人工智能產業包括多種要素：數據、算力、框架、模型及應用，其中算力是推動人工智能發展的重要基礎，涉及AI芯片、云計算和邊緣計算等技術，為人工智能提供強大的計算能力和數據處理能力。
陸大昕表示，其中數據是人工智能時代的原動力，原因在于：其一，數據是一切智慧物體傳遞知識的媒介。當前人工智能系統大多是基于機器學習來構建，但是作為知識的載體，數據才是人工智能體系中最關鍵的要素。
其二，傳統概念里，算法是由人類設計并構建，但在人工智能系統中其解決具體問題的算法，是由人工智能系統通過對數據不斷訓練、學習、推理而形成，也即由數據驅動，其性能高度依賴數據的質量。
其三，據分析，高質量數據可能在2026年前將被耗盡，因此高效地使用數據資源是當前人工智能所面臨的重大挑戰。
其四，數據的流動性決定了人工智能系統能夠使用的資源范圍，當前可供使用的資源種類包括邊緣計算資源、數據中心資源及云資源。但如果數據流動性不足，則會嚴重束縛可使用的范圍，限制人工智能技術的發展。
其五，數據的可獲取性決定了人工智能的效率。如果在數據獲取困難的環境中，無法期盼出現高效率、高質量的人工智能系統。
“綜上，數據在人工智能時代是不可替代的核心要素，直接決定了人工智能系統的發展速度、效率。而數據的獲取、存續、流動，以及高效使用都需要依賴優秀的數據存儲及數據管理平臺。”陸大昕總結道。
AI+存儲的挑戰
IDC數據研究表明，全球數據量正迅速增長，預計2026年將達221ZB。在企業數字化轉型過程中，云計算、大數據及AI等技術的迅速發展，對數據管理的容量、性能和全生命周期管理等帶來全新需求。
它也對存儲行業提出了挑戰。林佑聲對21世紀經濟報道記者分析，人工智能是一個技術創新總集，如果只看重算力、只強調高帶寬，但是沒有其他技術、數據種類進行匹配，其對大模型的能力支持也將有限。
“因此，要從底層的介質到應用的匹配，到帶寬、算力，整體安全性配套、甚至節能都考慮在內，才能有一套可持續的產品體系。現在人工智能引發算力風潮，但后來會發現，當你要套用具體行業模型的時候，是不完整的，它需要有一套完整的體系支持。” 他指出。
談及存儲行業如何與AI發展需求的適配，林佑聲受訪時強調，在AI應用落地過程中，如果沒有一系列配套，會發現訓練將面臨瓶頸。
“因為數據有不同格式，從不同維度得到的數據，必須做數據規整、清理、建模、訓練等，這將由不同IT應用推進。算力也不是簡單堆疊GPU就可以，如果沒有充足、可自由流轉的數據，沒有數據管理、數據安全，AI也無法做成。同時相關產業鏈設備需要軟件和硬件良好結合，進而達到節能、可持續發展的訴求。”他續稱，綜上，要考慮數據的萃取、流動、管理、安全、節能，這將需要一個生態，而不是單一技術可以解決問題。
對于產品構建思路，林佑聲分析，AI應用對現代數據管理技術的訴求，主要有四方面：性能、簡化管理、安全、節能。
具體來說，AI需要有海量數據、高速計算處理，那么性能如何適配；海量數據需要有數據的收集、準備，從訓練到計算到應用部署提供相關服務，還涉及從邊緣到云端的數據流動和管理，如何簡化管理非常關鍵；同時面對海量數據計算，如果一味講數據訪問更快、數據容量更大，沒法可持續發展，因此節能、綠色非常重要。
“另外，伴隨容器技術的發展，存算一體，尤其是存算聯動以釋放資源流動性，成為數據驅動AI堅實的技術基礎。人工智能的算力和技術其實是緊密結合體，基于容器技術可以實現存與算的資源整體調度，幫助人工智能應用更為靈活。所以存算聯動將是人工智能應用部署非常重要的發展方向。”他進一步分析，海量的存儲趨勢下，分布式存儲成為聯想凌拓增長最快的存儲細分領域。
據介紹，聯想凌拓應用了如下一代SSD（固態硬盤），能夠有更大容量、更高性能并且更加節能，甚至可以部分取代未來傳統的機械式硬盤（HDD）；NetApp AFF C系列和Lenovo ThinkSystem DG系列則具備大量數據快速處理能力；MagnaScale數據管理平臺V4.0可以承載海量非結構化數據，通過冷熱分層，提升數據管理功能。
“存儲系列產品將更需要軟硬結合、高度集成，不是簡單的通用服務器、數據庫，它是存儲技術和介質，要求整個存儲系統有非常強的底層適配能力。”陸大昕總結道。
本文鏈接：高成長預期下 2024年AI+存儲器的迭代變革http://m.lensthegame.com/show-2-2692-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 拿下16.9%市場份額！vivo連續三年國產電話銷量第一
下一篇： 新鮮早科技丨英偉達顯卡價格在亞洲部分區域飆升；京東集團一線客服全員漲薪超30%；三星計劃2025年開始量產2nm制程