IBM吴磊:让AI走向数据,打造高效安全的企业级存储底座
作者:吴磊,IBM 大中华区存储业务总经理 北京2025年6月16日 /美通社/ -- 从大模型训练到边缘侧推理,从海量日志分析到实时业务决策,数据作为构建智能能力的核心战略资产,正成为企业角逐的新战场。然而,管理这些数据不仅需要高超的技术能力,更是一项涉及成本、性能和复杂性的多维挑战。 面对非结构化数据的爆炸式增长、多样化的AI工作负载,以及日益严苛的安全与合规要求,企业如何构建既满足"AI+时代"的高性能需求,同时可兼顾安全、合规需求的下一代数据存储架构? 数据就绪:AI应用破局的关键 企业级AI应用已经从"+AI"迈向"AI+"——从初期的数据收集与整理,到系统集成与流程自动化,再到如今能够独立完成复杂任务。AI智能体的出现标志着这一技术发展的关键转折,其展现出自主决策、执行端到端业务流程并交付成果的能力,正蜕变为真正的生产力工具。这一突破不仅大幅降低了AI应用门槛,更将显著加速企业级AI规模化落地的进程。 当AI加速走向企业核心业务时,数据就绪成为破局的关键。一份Gartner报告显示,到 2026 年,那些没有通过 AI 就绪数据实践来启用和支持其 AI 用例的组织,将因为无法满足业务 SLA而放弃超过 60% 的 AI 项目。这些数据凸显了企业在AI浪潮下升级IT基础设施的紧迫性。 另一方面,技术的变化带来更碎片化的IT环境,令数据存储、保护、管理和使用的难度与日俱增。传统基础设施难以应对快速变化的技术需求,数据孤岛问题阻碍跨系统访问;AI对计算资源的巨大需求推高了可持续性和成本压力;随着AI开始深入业务,数据安全也面临更多未知威胁。 要充分释放AI的商业潜力,企业需要构建高性能、低延迟、易扩展的基础架构,实现从边缘到云端的数据统一管理,支持多种数据类型以提升效率;同时需打造节能环保的可持续基础设施,并建立主动防护机制,确保数据安全及快速恢复能力。企业亟需更智能、更可靠的数据存储平台,以突破当前的数据管理瓶颈,为AI应用提供坚实基础。 让AI走向数据:构建数智化转型的数据基座 今天,许多企业仍采用传统的数据处理模式——将数据迁移至AI系统进行处理。这种"数据走向AI"的方式虽然直接,却带来了显著的运营挑战:数据多次复制推高存储成本,副本管理缺乏有效追溯机制,GPU服务器与存储间频繁的数据传输造成额外负担。 IBM认为,在新的AI时代,应该让AI主动理解数据内容并就近处理,实现"AI走向数据"的范式转变。这一转变不仅能降低数据迁移成本,还能提升处理效率,同时加强数据治理能力。 这一变革本质上是数据服务交付模式的升级迭代。我们可以将其类比为餐饮行业的演进历程: 早期存储系统如同"家庭厨房",需要用户自行采购和处理所有"原料";SAN/NAS时代类似"预制配料加工厂",为用户提供标准化"半成品"和基础存储解决方案;应用案例存储阶段就可以理解成"预制餐服务",针对特定业务场景提供"即用型"数据产品;在AI+时代,企业需要的是能根据具体业务需求智能调配数据的"私人厨师"级服务——由智能数据存储平台提供完全定制化、场景驱动的数据服务,实时响应各类AI工作负载的需求变化,实现数据价值的最大化。 IBM存储致力于打造面向AI时代的数据基础设施,帮助企业将重心从运维转向创新。通过提供高性能、低延迟的存储服务,IBM的存储方案可智能优化不同业务场景的数据访问需求,打通数据孤岛,确保应用随时随地获取所需数据。同时,通过简化运维流程、提升资源利用率,在保障服务质量的同时实现更高的经济性和可持续性,为企业的智能化转型提供坚实的数据支撑。 面向AI时代的IBM存储全栈解决方案...
Read more









