超融合市场火爆,新华三因何蝉联第一?

近日,IDC最新《2022年H1中国软件定义存储(SDS)及超融合存储(HCI)系统市场季度跟踪报告》显示,2022年上半年,中国超融合市场规模达到59.57亿元,同比实现13.1%的增长;其中,新华三以24.6%的市场份额位居第一,这是继2021年之后,新华三再次问鼎中国超融合市场。

 除了市场份额第一之外,新华三超融合业务的同比增长率更是高达46.3%,三倍领先于市场平均增速。众所周知,中国超融合市场多年以来一直以竞争对手众多、市场竞争激烈著称,为何新华三能取得蝉联市场第一、保持如此高增长速度的优异表现?

正如新华三集团高级副总裁、云与智能产品线执行总裁陈子云所言:“新华三是中国超融合最早的开拓者。十年征途,得益于长期的技术创新和敏锐的市场洞察,新华三超融合已经位列中国超融合市场份额第一,全球市场份额第二。”

超融合市场为何火爆

随着云计算概念的兴起,超融合凭借弹性扩展、管理便捷、简单易用等优点逐渐获得了用户认可。经过十余年的发展,超融合正在成为数据中心的主流选择。

事实上,近年来在AI、XPU、大数据等新技术和云、边、端等新场景的驱动下,超融合又在酝酿一次关键变革,超融合的硬件架构、软件功能、应用场景等加速走向进化。IDC最新报告也显示,超融合市场未来5年将保持18.5%的年复合增长率,超融合未来的市场空间与应用潜力巨大,尚待进一步充分挖掘。

首先,超融合正在成为私有云/混合云建设的主力军。以中国市场为例,IDC预计未来2-3年将成为全球最大的私有云市场,超融合的市场潜力巨大。Gartner 2021 Hype Cycle for ICT in China也显示,超融合在中国市场已经渡过炒作泡沫期,未来将真正迎来的市场机遇。

“很多不同类型的厂商都参与到超融合市场,说明市场空间依然很大。”新华三集团云与智能产品线产品研发部总经理王锋表示道,“在国内市场,私有化部署是绝对的主流选择,如果超融合在产品力上媲美公有云,加上本地化部署、安全性等优势,把时间线拉长,超融合的性价比会比公有云更高。”

其次,超融合作为一个融合的产品形态,近年来在加速融合更多新技术,极大地拓展了其在私有云/混合云等环境中应用范围。比如,当前大型私有云项目普遍采用超融合方案取代传统的服务器虚拟化方案;又如,除了桌面虚拟化之外,超融合近年来也在医疗HIS、SAP HANA、关键业务数据库等核心场景中获得广泛应用;甚至,随着云原生的兴起,超融合也在加速对云原生应用的支持。

第三,除了私有云/混合云环境之外,边缘场景也在加速部署超融合。目前,超融合已经在自动驾驶、智慧矿山、智慧交通、智慧零售、智慧能源等场景中堪当大任,未来随着边缘场景进一步丰富,超融合的作用与价值也有望得到持续体现。

“超融合已成为企业上云的主流选择,并向边缘场景快速扩展。新华三认为超融合将担当‘公有云的入口’、‘私有云的基石’、‘边缘云的中心’的重要使命。”陈子云总结道。

蝉联第一,新华三有何秘诀

过去十余年里,超融合最大的创新点在于软件,以服务虚拟化场景为切入点,通过软件定义的方式不断做大做强市场,这也使得各种类型厂商均进入其中,从初创公司、虚拟化软件厂商,到传统硬件厂商、安全厂商,再到云服务巨头,众多参与者让市场竞争格外激烈。

作为中国超融合的开拓者,新华三深耕超融合领域十年,之所以能够厚积薄发、逐渐脱颖而出,并且蝉联中国超融合市场第一,关键在于牢牢抓住了两条主线:

其一、十年的持续技术创新投入,逐步在技术、产品层面引领着超融合未来的发展方向。众所周知,在超融合市场早期,以VMware、Nutanix为代表的国际厂商起步较早、有着较大优势;新华三等中国厂商则起步稍晚,花费了十年时间逐步实现追赶、超越和引领。

以新华三超融合为例,过去十年里,从UIS 1.0提出“一箱即云”的理念,UIS 2.0实现数据中心资源统一管理;UIS 3.0增加网络、安全等功能,实现与VMware NSX同一水平;到2016年,新华三推出基于UIS 9000的刀片超融合;2018年,融入智能运维能力;2019年,引入大数据、人工智能、云计算等能力;2020年,引入混合云,提出从中心到边缘到混合云的重新架构。“UIS的十年发展恰如中国IT行业发展的一个浓缩。”王锋如是说。

从新一代超融合UIS 8.0开始,新华三开始真正引领未来超融合的发展。UIS 8.0实现了DPU即超融合、云原生超融合内核和全无损存储三大架构创新。以DPU为例,基于新华三新一代自研赤霄智能加速卡,实现一卡即一个完整的超融合系统,可以在任意UIS认证的一体机上即插即用。此外,UIS 8.0将以虚拟化为核心的传统超融合内核升级为以安全容器为核心的全新云原生内核,并在最底层操作系统层面,实现容器、虚拟机和裸金属服务器的统一运行态。

王锋表示:“UIS 8.0实现了软硬协同创新,有望成为未来十年超融合技术架构的典范。”

其二、基于深刻的市场洞察,深耕行业场景和用户需求,在产品、方案上及时满足用户的需求变化。王锋直言:“超融合需要主动进化,去适应客户需求的变化。”

以产品形态为例,新华三UIS如今已经支持“一体机、纯软件、服务订阅、UIS on紫光云、DPU”五种业界最全的超融合产品形态,可以满足各个行业用户对于超融合产品形态的需求。

又如不同行业的业务特点不同,需要超融合厂商“因地制宜”。比如在矿山、水利、制造、轨道等领域兴起的边缘场景,物联网属性很强,超融合在保持自身优势基础上,还需要很好地与OT进行融合。为此, UIS 8.0支持200多种工业协议,可在边缘提供设备管理、边缘计算、云原生容器等,在边缘场景实现本地智能和云边协同,极大提升了边缘场景的数智化水平。

“不同行业的数字化转型进程或者成熟度不一样,还需要考虑政策导向、行业趋势等隐私。像医疗行业有大量敏感数据,出于安全性考虑,灵活、高效且运维管理的本地化部署超融合方案非常适合。”新华三集团云与智能产品线UIS产品管理部部长高雪鹏补充道。

据悉,新华三UIS系列方案的在网项目已经超过一万,用户遍及政府、教育、医疗、金融和各类型商业企业。

未来竞争拼什么

在用户接受度逐渐提升的大趋势下,超融合市场也在发生悄然变化。过去十年,在硬件同质化的时代中,超融合市场涌入了大量市场参与者,大家比拼的往往是软件能力和交付能力;面向未来,在用户强需求的牵引下,超融合必然走向架构变革和融入更多技术,未来的市场将是架构能力、核心技术能力和生态能力的全方位比拼。

首先是超融合迎来软硬协同发展的新阶段,使得架构创新成为差异化的竞争能力。例如,数据预测,到2024年,容器架构软件在软件定义数据中心市场中占比将达到20%。超融合很重要的趋势之一就是在架构层面融入对于容器等云原生的支持,在虚拟化环境等稳态业务的基础上,更好地满足用户对于敏态业务的需求。新华三UIS 8.0将架构率先升级为以安全容器为核心的全新云原生内核,无疑对于用户拥抱云原生和支撑更多场景大有裨益。

又如,AI应用的爆发,异构计算成为必然趋势,DPU开始流行,超融合在架构层构建组合式架构将至关重要,以支持不同的算力。像UIS 8.0的新一代自研赤霄智能加速卡能够将可实现计算、存储、网络、安全能力的全卸载,实现主机业务的零损耗。

“很多DPU的路线需要大量定制化,这种思路是错误的。新华三认为DPU要走向大众化,通过产品形态的改变让其进入到更多行业之中。毫无疑问,新华三的架构走在全行业的前列。”王锋补充道。

其次是全栈与核心技术的重要性会愈发突出,拥有从芯片、SSD到虚拟化、容器全栈能力的公司无疑会更加具有技术优势。

例如,分布式存储是过去、现在和未来超融合市场竞争的关键,异步复制、同步复制、卷级双活、内置备份等高级存储功能是超融合产品竞争的重要差异点,而EC算法和重删压缩通常会消耗大量的处理器资源,也是超融合比拼的内在功力。

以新华三 UIS 8.0为例,其采用专为超融合设计的全无损存储,相比于其他分布式存储,系统开销降低了70%以上,IOPS性能提升了2倍,使数据从客户端到存储IO落盘的全路径、全程100%零丢包,确保极端情况下的数据可靠性、性能和低时延,全无损存储10节点全闪实现千万级IOPS,性能提升100%,是业界同类分布式存储的2倍以上。

第三则是生态能力的比拼,随着超融合从传统数据中心走向更加广阔的边缘场景,其支撑的行业场景数量将日趋丰富,这无疑对于超融合厂商的集成能力、生态能力提出了更高要求。

“从UIS 8.0开始,新华三提出了超融合要主动进化,主动去引领超融合架构、技术、场景的发展和创新,开创未来十年超融合创新的典范和标杆。”王锋最后表示道。

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值