关于公有云起源,坊间有这样一则传闻:
亚马逊作为全球最大的电商平台,在每年的「黑色星期五」,网站用户访问量都会暴增,这为亚马逊的网站服务器带来了巨大压力,稍有不慎就会导致服务器崩溃,整体用户体验也会因此受到影响。
为了保障在一年一度购物狂欢节时网站能够正常访问,亚马逊只好通过购买大量服务器进行扩容,但扩容带来了另一个问题——「黑色星期五」每年只有一次,多余的服务器平日里根本用不到,却还需要支付高额的维护费用,于是,亚马逊技术人员提出了一个想法:将这些服务器租赁给其它互联网公司以运营他们的网站业务。
于是,最早的公有云AWS由此诞生。
公有云的出现,让互联网公司不再需要一次性花费巨额资金购入大量硬件基础设施,而是采用灵活的租赁模式,按需租用服务器资源,同时无须再考虑底层硬件运维成本。
HPE中国区首席技术官张楠告诉至顶网,“我们正是基于云服务最本源的这三点考虑,提出了HPE GreenLake即服务模式。”
服务化转型第三年
2019年6月18日,在美国拉斯维加斯的2019 Discover大会上,HPE CEO Antonio Neri重磅宣布,HPE将向服务型公司转型,当时制定的一个三年目标是:到2022年底,HPE全部产品组合将通过基于消费的新模式完成“即服务”转型。
张楠告诉至顶网,“HPE是全球第一家提出在企业级IT基础设施里做‘即服务’的厂商。”HPE GreenLake正是这种全新的基于消费的服务模式一个典型的平台级产品。
什么是即服务?
即服务是一种依托于用户需要的网络、存储、服务器,以及软件资源,通过服务的形式交付产品。
HPE是一家有着数十年传承的IT基础设施供应商和相应的服务供应商,在网络、存储、服务器领域建树颇丰,与此同时,HPE在人工智能、边缘计算等前沿技术领域也积累了大量成熟技术和方案,这些技术和方案成为了HPE向即服务模式转型的关键。
作为深耕云计算领域十数年的技术专家,张楠对此深有体会。
"即服务模式看似只需要一个平台,实际上,如果你只是一家传统服务器或存储硬件厂商,很难提供所谓的即服务,因为即服务不仅需要有IT基础设施,还需要有人工智能等技术功底来判断未来企业业务会发生怎样的变化,从而推断出底层的IT基础设施是否能够满足用户当前或未来的业务需求。"
一个简单的例子是,为了规划出符合客户实际需求的IT基础设施和云服务,HPE研发团队开发了一套计算资源嗅探工具,在前期项目规划阶段,HPE通过这套工具可以检测出用户所需要的计算资源、网络资源、存储资源,由此为客户规划出切实可行的资源和方案。
2019年,HPE GreenLake第一代平台正式面世,张楠告诉至顶网,“当时这一平台实现的最基本的功能就是为用户提供一个计算资源管理平台,同时能够按月计费为用户提供云服务。”
在之后三年里,HPE逐渐将自己在人工智能、边缘计算、智慧存储、数据曝出、超融合等方面的技术沉淀到HPE GreenLake平台上,这一平台功能日益完善,开始在多个行业领域发挥作用。
据张楠透露,目前HPE GreenLake在全球已经服务超过1600家企业,全球实际签约金额达到74亿美元。
一个难得的数据是,HPE GreenLake平台首次激活后持续使用率高达96%,这样的用户留存率是HPE GreenLake即服务模式大获成功的真实写照。
不过,这样的成功不仅源自于模式创新,也来自于HPE“以客户为中心”的服务理念。
把简单留给用户,把复杂留给自己
在当下数字化转型浪潮中,传统企业在转型过程中首要任务就是业务上云,而对于那些对自主性、安全性有更高要求的企业,往往会选择搭建一个私有云。
对于私有云用户而言,在前1-2年里,往往会出现IT资源使用率不高的情况,不少私有云用户前两年IT资源使用率甚至不到50%,这不仅造成了资源浪费,还会带来额外的运维成本,即服务模式的出现,让私有云用户得以有机会体验原本独属于公有云的灵活部署、按需付费、免运维能力。
张楠告诉至顶网,HPE GreenLake即服务模式的项目落地是从项目前的服务咨询开始的。
针对HPE GreenLake,HPE内部筹建了一支即服务专家团队,这个团队的专家均来自于诸如电信、金融、制造等行业,在具体项目中,即服务专家团队成员从售前服务咨询阶段就会参与到项目中,在项目前期也会进驻到现场和客户的团队工作在一起,从而用性价比最高的方式实现客户当前和未来业务发展的实际需求。
具体到部署实施阶段,用户只需要规划出一块部署IT基础设施的空间,无论这一空间是用户自己建设的机房还是租用的第三方机房,HPE都会从IT基础设施生产、送货、安装、调试,到用户后期正常的运维和维保提供一整套解决方案。
HPE GreenLake即服务模式另一个显著的特性是,用户不再需要关注底层服务器、存储设备的型号,使用的CPU类型、内存空间,能提供多大带宽,使用或还剩余多少资源,用户只需要在HPE GreenLake平台上提出一个需求,平台就会自动为用户选择最适合这一需求的硬件并分配出独有的资源给到用户。
用户免去的这些复杂思虑,HPE最终留给了自己。
实际上,HPE不仅培养了一支对各行业有深度理解的专家团队帮助用户进行方案规划,更重要的是HPE协同全球合作伙伴,在人工智能、云计算、网络通信等基础技术领域精耕细作,不断夯底层技术实力。
以与全球顶级芯片厂商英特尔的合作为例,HPE和英特尔在产品研发上有诸多技术协同,从产品研发侧来看,对于HPE的下游厂商而言,芯片适配是一项很重要的工作,张楠告诉至顶网,“HPE投入了大量工程师在做芯片适配工作,芯片与主板上每一个组件的适配,HPE都会协同英特尔一起来完成,英特尔甚至在芯片研发阶段,也会拿我们下一代工程机去做测试,来评估某项新功能是否适合面向市场推广。”
2021年4月,英特尔发布了第三代英特尔®至强®可扩展处理器,作为当下英特尔®至强®可扩展处理器的主力产品,这代产品采用10nm工艺,最多支持40个核心和64个第四代PCIe通道,集成了包括英特尔®深度学习加速技术、英特尔®高级矢量扩展512技术和英特尔®Speed Select技术,相较于上一代性能提升了1.46倍。这样基于平衡、高效的架构的第三代英特尔®至强®可扩展处理器,为处理从数据中心到边缘的各种工作负载提速。也就在第三代英特尔®至强®可扩展处理器发布的同时,HPE的产品线同样进行了一次全新升级,HPE更强大的网络、存储、服务器等产品也相继面世。
据悉,HPE GreenLake目前已经拥有超过900家全球合作伙伴,这些合作伙伴是HPE技术协同、生态一体的基石,也是服务全球用户最有力的保障。
中国市场大有可为
Zenseact是沃尔沃汽车集团旗下一家专注于自动驾驶领域的子公司,作为典型的自动驾驶企业,Zenseact每天采集的道路监测数据和通过人工智能技术模拟出的道路数据量庞大,往往一年会有数十倍的数据增量,这使得他们前期很难判断应该部署多少IT基础设施。
于是,Zenseact找到了HPE。
Zenseact在了解了HPE GreenLake即服务模式后,很快确定了合作关系。与HPE合作后,Zenseact通过充分利用HPE GreenLake交付的高性能计算即服务来完成数据存储和计算,当存储和计算需要更大容量时,HPE GreenLake可凭借自身灵活可扩展的特性轻松应对,真正实现了按需付费。
张楠向至顶网分享了一组来自HPE内部的全球统计数据:对比传统IT采购模式,选择HPE GreenLake即服务模式的企业整体采购支出降低了30%,整个项目的部署周期缩短了65%,企业IT运维部门运维效率提高了40%。
当然,在对于算力要求颇高的自动驾驶领域,同样少不了英特尔的技术加持,第三代英特尔®至强®可扩展处理器不仅可以为自动驾驶提供强大的算力,英特尔此前打造的OpenVINO作为一个用于优化和部署人工智能的开源工具平台,可以使用经过TensorFlow、PyTorch等流行框架训练算法模型,提高计算机视觉、智能语音识别、自然语言处理和其他常见任务的深度学习性能,这一平台同样在自动驾驶领域应用颇广,并与HPE一起在自动驾驶领域打造了颇多经典应用案例。
尽管如此,张楠也表示,即服务模式作为一种相对较新的云服务模式,仍需要进行市场培育。
从HPE过往市场调研数据来看,北美和欧洲的企业目前对于即服务模式接受程度已经很高,约有80%左右企业希望转型到HPE GreenLake即服务模式;在中国,如今主要仍是汽车、金融、钢铁、石油化工等领域的国际型企业率先引入了HPE GreenLake即服务模式,“这些企业在全球已经开始转型到即服务模式,已经体验到了HPE GreenLake即服务模式带来的便利,在国内转型到HPE GreenLake也就成了顺理成章的事儿”。
张楠告诉至顶网,“我们接触到很多中型企业IT部门每次申请3-5年的采购预算是一件非常头疼的事儿,HPE GreenLake即服务模式刚好可以帮助这些企业降低一次性采购成本,实现按月申请预算,这些企业实际上是愿意做转型的,其他一些对于灵活部署、免运维有需求的企业,他们也愿意采用这一模式,只是这还需要一定的时间进行市场培育。”
这两年,HPE一件很重要的事儿就是有针对性地对一些行业进行市场培育。张楠和他的团队在和客户沟通过程中发现,大家都非常愿意接受这样的方案,只是有些客户一直延续着之前的采购模式,需要一些时间进行转型。
不过,谈起这些客户,张楠也毫不掩饰,“实际上,已经有很多客户在着手转型到HPE GreenLake即服务模式上。”
好文章,需要你的鼓励
AMD CIO的职能角色早已超越典型的CIO职务,他积极支持内部产品开发,一切交付其他部门的方案都要先经过他的体验和评判。
医学生在选择专业时,应当考虑到AI将如何改变医生的岗位形态(以及获得的薪酬待遇)。再结合专业培训所对应的大量时间投入和跨专业的高门槛,这一点就更显得至关重要。
我们拥有大量数据,有很多事情要做,然后出现了一种有趣的技术——生成式AI,给他们所有人带来的影响。这种影响是巨大的,我们在这个领域正在做着惊人的工作。