2021年,中国公有云市场规模达3229亿元,与此同时,私有云也终于冲破了千亿大关,增至1048亿元。
从市场规模来看,公有云仍是主流模式,但不同企业基于对成本、弹性、安全性、可控性、监管合规等诸多要求的考虑,越来越需要更多样化的云服务,混合云也由此而生。
和公有云、私有云类似的是,混合云同样需要强大的计算能力、灵活的运营模式的支撑,正因如此,来自英特尔®至强®可扩展处理器和HPE的HPE GreenLake也继续在新型混合云模式下发挥着强大的魔力。
SafeDX借东风
SafeDX是一家成立于2016年的云厂商,作为富士康集团旗下独立运营的云服务提供商,成立之初就是为了面向企业提供数据中心及云服务。
作为能耗大户,电力使用效率(PUE)一直是数据中心运营过程中的关键指标,全球各国对数据中心的PUE均有着苛刻的要求。
为了增强在数据中心领域的服务能力、降低PUE值,SafeDX在2018年官宣为其新一代数据中心云服务进行大规模Openstack集群部署,而这种数据中心基础架构由SafeDX联合英特尔、富士康共同设计。
众所周知,数据中心大部分电能用于冷却设备,有数据显示,数据中心40%的能源消耗都用在了设备冷却上,正因如此,要降低数据中心能源消耗,降低设备冷却成本就成了一个必须考虑的因素。
SafeDX此次部署的数据中心中,基于英特尔®至强®可扩展处理器和英特尔RSD内置的强大遥测技术及能效解决方案,通过PSME、RMM和PODM协同工作收集风扇速度、CPU散热裕度、DIMM热余量、CPU和内存的利用率等遥测数据,通过PODM将所有这些信息传递给英特尔智能数据中心管理平台,由此实现数据中心冷却系统的智能控制。
通过使用英特尔®至强®可扩展处理器、英特尔RSD以及英特尔智能数据中心管理平台,在完成第一阶段基础架构部署工作后,最终使得SafeDX这次部署的数据中心设备冷却能耗节省了25%,PUE值也得以大幅下降。
混合云新战场
2021年,在全球数字化转型进入新格局后,SafeDX也迎来了新的合作伙伴,HPE。
2021年7月,SafeDX官宣,将使用HPE GreenLake边缘到云平台来支持其新的混合云服务,以推动业务持续增长。
根据Gartner统计数据显示,2021年以IaaS、PaaS、SaaS为代表的全球公有云市场规模为3307亿美元,毫无疑问,公有云仍是云服务中的主流模式,但不同企业基于对成本、弹性、安全性、可控性、监管合规等诸多要求的考虑,越来越需要多样化的云服务模式。
在云服务模式创新中,硬件成本始终困扰着企业业务向云迁移。选用私有云,硬件部署成本太高,选用公有云,又难以满足一些企业对于安全性、可控性、合规性的要求,基于这样的需求,混合云应运而生。
2020年从富士康集团业务分离后,SafeDX开始专注于混合云解决方案,为了进一步发挥混合云模式的优势,SafeDX与HPE合作,使用HPE GreenLake边缘到云平台来支持其新的混合云服务。
HPE是全球第一家提供企业级即服务的厂商,采用HPE GreenLake即服务模式,用户不再需要一次性购置3-5年的硬件,避免了因此带来的硬件没有得到充分利用带来的资源浪费,对用户来说,只需要操作最上层的HPE GreenLake平台,就可以轻松使用云服务。
SafeDX正是以HPE GreenLake即服务模式为企业进行云服务能力交付的。其中,HPE ProLiant服务器用于可信的高性能计算平台,而HPE Primera则用于面向关键业务应用的智能存储。
在这之中,英特尔®至强®可扩展处理器再次为整套方案提供了强大的算力支撑,第三代英特尔®至强®可扩展处理器可将物联网解决方案设计的平均性能提高1.46倍,英特尔深度学习加速技术可将人工智能图像分类的推理能力提高1.56倍,此外,第三代英特尔®至强®可扩展处理器还通过英特尔®Speed Select技术整合了一系列功能,通过增强对CPU性能的控制,在提高性能的同时优化总体拥有成本。
实施这一新的解决方案后,SafeDX的客户能够轻松响应任意工作负载和计算需求,开发新应用的速度增加了3倍,同时加速了跨公有云和私有云的软件方案部署。
SafeDX选择基于第三代英特尔®至强®可扩展处理器的HPE GreenLake为其云服务提供支持后,使得使用SafeDX云服务的企业减少了35%的成本支出,并显著加速了产品上市时间。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。