聯想凌拓：以技術創新+行業場景雙輪驅動，打通AI落地最后一公里

從2023年的ChatGPT，到2024年的Sora，生成式AI和大模型技術正以不可思議的發展速度顛覆著我們的認知。然而，作為AI時代的核心支柱之一，傳統的數據存儲基礎設施已很難滿足企業快速增長的數據需求，更無法支撐企業通過AI激發新質生產力的要求。

IDC報告顯示，中國AI大模型市場預計2024上半年達13.8億元，2028年將增至211億元。AI大模型的興起對計算、網絡及存儲能力均提出了新的挑戰。特別是數據量增長使存儲技術在AI數據周期中變得更加至關重要。也正因此，企業亟待構建高效、強大、便捷的數據存儲架構，支撐AI，優化決策與運營，確保數據安全，降低成本，實現業務增長。

在此背景下，今年11月15日在上海舉辦的“AI賦智數據”——聯想凌拓技術大會（INSIGHT CHINA）上，聯想凌拓通過匯聚全球科技與創新力量，聚焦數據與智能交匯時代下的數據基礎設施變革，探討企業如何借助生成式AI與智能數據基礎架構的融合，并通過技術的創新打破數據孤島，加速自主AI應用落地，幫助企業實現數據到智能的轉型，由此更快地加速千行萬業擁抱AI智能化新時代。

正如聯想凌拓首席執行官楊旭所言：“作為一家智能數據基礎設施服務商，聯想凌拓始終圍繞著‘AI如何賦能數據，以及如何將數據反哺為AI’這一核心理念，不僅面向客戶提供先進的技術和方案，更致力于推動AI與數據的深度融合，最終目標是通過技術創新賦能行業客戶實現數據價值的最大化，共創AI賦智數據的新未來。”

01.

數據存儲行業邁入2.0時代

規模定律（Scaling Law），揭示了在當前深度學習算法框架下，算力和數據之間的關系：更強的算力加上更多的高質量訓練數據，是構建優質AI大模型的基礎。

在此過程中，高質量的行業數據成為AI規模化應用的核心。比如，行業和場景模型需要規模化的行業數據對基礎大模型進行二次訓練和微調，生成針對特定行業的垂直模型；在推理階段，高質量的知識庫是消除幻覺并提升應用效果的關鍵。

聯想凌拓首席執行官 楊旭

換句話說，不管是基礎大模型的訓練，還是大模型在行業的應用落地，都離不開大規模高質量的數據。從這個角度來看，數據的規模和質量決定了AI智能的高度，同時也讓構建智能數據基礎設施，打造更高效、更可靠的數據存力底座變得“刻不容緩”。

事實上，和傳統存儲代表的1.0時代相比，AI時代下的數據存儲行業無疑已邁入2.0時代，聯想凌拓將存儲的需求劃分為五個階段，即數據整理、訓練、推理、大模型和企業應用，每個階段對存儲的性能和功能的要求都是截然不同的。

例如，在數據整理階段，企業會面臨著數據種類繁多、規模龐大的挑戰，這就需要采用高效的平臺和基于閃存的分布式存儲來平衡性能和容量需求；在訓練階段，性能是核心需求，超算級別的高性能存儲能夠充分釋放GPU算力，加速模型訓練；至于推理階段，則需要在吞吐、時延和數據安全之間找到最佳平衡。

而在大模型和企業應用階段，過去一年，國內的大模型數量從幾十個增長到三百多個，但與此同時，大多數企業因無法承受超大規模算力和存力的投入，因而更注重小規模、高精度的模型訓練與推理，同樣這也對存儲技術提出了新的要求，既需要提高可持續性和平衡性，又要強化運維能力。此外，特別值得注意的是，數據安全也是重中之重，防止勒索攻擊和其他威脅同樣也成為了當前AI存儲解決方案中需要具備的核心能力之一。

也正是洞察到這種全新的變化，聯想凌拓依托聯想和NetApp兩大母公司所形成的獨特優勢，并基于“123”戰略，即一個核心目標，客戶成功；兩個創新引領，產品創新和方案創新；三個發展體系，即產品、服務和生態，為行業客戶提供完善的智能數據基礎設施，為千行萬業構筑堅實的AI存儲底座，為企業走向AI新時代按下“快進鍵”。

楊旭表示：“聯想凌拓希望高效且安全地為客戶及業務提供AI的強大能力，讓企業數據在任何地點、以任何方式實現AI優化，同時高效地理解并管理數據，以支持AI應用，最終成為千行萬業可信任的技術建議專家、可托付的風險管控專家、可依賴的成本控制專家，以及可追隨的未來規劃專家，通過持續提供業內先進的技術，讓行業客戶在實際的業務場景中實現真正的價值創新。”

02.

構筑智能數據基礎設施底座

當前，聯想凌拓正圍繞未來數據演進和企業對于AI應用的核心需求，通過“軟硬兼施”、“深度融合”的雙重創新，構筑智能數據基礎設施底座，這不僅能夠更好地幫助企業應對AI時代對于“存儲底座”的要求和挑戰，更為AI應用真正“扎根”于千行萬業，激發企業的新質生產力加裝了“新引擎”。

聯想凌拓產品管理與營銷高級總監 林佑聲

一是，在硬件底座方面，聯想凌拓依托母公司NetApp的技術優勢，發布了一系列新型存儲產品體系，可為行業客戶提供“因地制宜”的存儲解決方案。

據聯想凌拓產品管理與營銷高級總監林佑聲介紹，在統一存儲領域，全新發布的統一混合閃存FAS90與FAS70拓展了聯想凌拓混合閃存存儲陣列產品線，新產品基于NetApp最新硬件平臺與ONTAP 9.15.1系統打造，兼具經濟性、簡易性和安全性，能夠有效提升傳統數據基礎架構的生產率。

與此同時，全新的統一大容量全閃存AFF C 系列產品，包括AFF C80、AFF C60和AFF C30，專為追求效率與容量完美平衡的用戶設計，兼顧提高存儲效率和容量，且所有新型號均支持CPU QAT壓縮卸載引擎，不僅將最大容量提升了100%，擴展性增強了50%，更實現了平均性能高達55%的飛躍式提升；此外，全新的統一全閃存AFF A系列，包括AFF A50、AFF A30和AFF A20，則專為下一代全閃存工作負載而設計的高性能存儲系統，同樣在QAT壓縮卸載引擎的“加持下”，展現出優異的160GB/s數據壓縮能力。

而在SAN存儲領域，聯想凌拓則推出了全新的高性能SAN存儲 ASA A系列，由ASA A1K、ASA A90和ASA A70組成，該系列產品采用了經過優化的塊存儲技術，憑借此系列，聯想凌拓將能夠以極具競爭力的性價比，提供兼具簡易性、強大性能以及先進數據管理和保護功能的全閃存存儲解決方案。

二是，在軟件創新方面，NetApp的ONTAP技術作為行業內最成熟的數據管理平臺之一，能夠通過功能強大的“快照”技術和Data Fabric架構，幫助企業實現“云上云下、跨云調用”的能力，從而為數據的快速調度和最優配置提供了有力支持，特別是傳統存儲需要統一格式后才能管理，而ONTAP技術則能夠直接支持多源數據的高效管理和優化，由此讓數據處理更靈活、更高效。

在此基礎上，數據安全作為行業客戶的核心關注點，ONTAP也通過創新的雙活方案、數據災備和容災等技術，大幅降低了系統停機風險。除此之外，ONTAP還提供了一系列軟件解決方案，針對防勒索、防病毒和數據質量問題進行保護，進一步提升數據的安全性與可靠性。

“這些軟實力雖然不像硬件性能提升那樣直觀，但它們是支撐數據管理能力的關鍵所在，真正幫助了客戶在日益復雜的業務場景中，實現了更高效、更安全的數據運營。”林佑聲說。

三是，在深度融合方面，聯想凌拓結合中國AI市場特有的實際需求，推出了能夠滿足企業AI需求的AIPod參考架構，進一步引領了智能數據基礎設施未來的演進方向。

客觀地說，當前大部分企業客戶對AI的認知還停留在基礎階段，同時缺乏大規模GPU算力的能力，而通過AIPod，聯想凌拓真正為行業客戶提供了一個AI實驗驗證平臺，這種模式不僅降低了客戶的試錯成本，還為他們提供了清晰的性能數據，便于申請預算或制定下一步計劃。總體而言，AIPod的核心理念是“扶上馬，送一程”，讓客戶專注于AI與業務場景的結合，而無需過多擔心硬件架構的復雜性。

在林佑聲看來：“AIPod絕不是簡單的硬件堆砌，而是硬件與軟件深度融合的成果。在未來，聯想凌拓也將計劃進一步強化AIPod的驗證平臺能力，結合各行業的實際需求，推出更多針對性的解決方案，推動AI技術在企業中的實際落地。”

值得一提的是，聯想凌拓還通過持續探討中國客戶的實際需求，并與NetApp全球研發團隊緊密合作，推動下一代存儲產品在靈活性和AI適配能力上的突破，這些新的存儲產品和方案不僅是硬件性能的提升，更是對軟件功能和應用場景的全面重新設計，由此可以確保存儲技術能夠在AI時代充分發揮其潛力。

在傳統存儲的智能化升級方面，可以發現傳統存儲過去更強調可靠性和穩定性，但在AI場景中，靈活性和數據多樣性變得尤為重要，而這就需要開放更多數據接口，同時結合創新能力，以匹配AI算力對動態需求的支持。在這方面，聯想凌拓作為首家大規模推廣QLC閃存的公司，通過新介質結合更靈活的軟件功能，使能傳統存儲煥發新活力。

在分布式全閃存儲的演進方面，當下市場典型的“混閃”架構，雖然性價比較高，但性能往往一般，已無法滿足AI的復雜需求。同時，下一代分布式全閃存儲還需要提供更為高效的AI接入體驗，并且需要配備更先進的軟件支持，例如，目前市場上的GPFS和NaaS技術已有20多年歷史，其功能已難以完全適配AI場景。基于這些市場需求，聯想凌拓也正在研發分布式全閃存儲2.0，通過更智能化的架構和優化的軟件功能，進一步支持AI技術的發展。

毫無疑問，在全新的AI時代，存儲市場正在隨著新技術、新應用、新介質的出現而不斷進化和改變，而在此過程中，聯想凌拓不僅以前所未有的前瞻力、創新力和產品力，打造了智能數據基礎設施的堅實底座，更引領了整個AI存儲未來發展的新方向和新趨勢，由此也將會加速中國企業和行業數智化變革的進程，并最大化激發新質生產力的產生。

03.

加速行業駛入智能化快車道

當前，以大模型為代表的AI技術盡管在行業中取得了快速的發展，但在技術與應用之間，在通用的AI能力與定制化行業和企業需求之間，如何解決不同規模、行業、企業的AI應用落地等問題上，仍然存在“最后一公里”無法滿足的情況，而背后的主要原因在于：

一方面，任何技術本身都是不具備行業屬性的，脫離了場景的技術也無法稱之為有用的技術，這也代表著AI和大模型技術必須要通過融入企業或者行業場景才能更好的展現其價值；另一方面，大部分AI技術都是通用技術，這些技術本身要變成新的數字生產力，其實還需要與之配套的服務、應用體系和方法論，乃至更多的落地應用才能形成最佳實踐。

基于此，聯想凌拓不僅依托母公司提供的技術支持，更通過自主研發和解決方案團隊，深入客戶的實際應用場景，提供場景化解決方案，加速中國企業的數智化轉型升級進程。

對此，楊旭說：“客戶的需求變化為我們的方案迭代提供了重要的反饋，從而讓聯想凌拓的產品始終保持競爭力和實用性，這種‘客戶需求-產品迭代’所形成的閉環，正是聯想凌拓快速響應市場的關鍵所在。”

在媒體娛樂行業，渲染過程中通常會產生大量碎片化文件，這些文件需要高速處理，如果稍有延遲，就會影響整體效率，為此，聯想凌拓與客戶的設計師和工作室緊密合作，通過優化數據部署與計算連接，為這些行業客戶就提供了最適合的解決方案，類似的技術優勢同樣適用于芯片設計和其他復雜計算場景。

在智慧醫療行業，AI輔助診斷通過整合多維度數據，不但可以大幅提高診斷的精準性，還能幫助醫生發現傳統方法難以察覺的病癥，而多源數據輸入為數據質量提升提供了重要基礎，基于此，聯想凌拓也通過分布式存儲技術和場景化優化的架構，為智慧醫療的落地提供了強有力的支撐。

在智慧金融行業，聯想凌拓則推出了金融行業端到端數據管理解決方案，這一綜合方案廣泛覆蓋了云基礎設施、core bank、SOA、人工智能等多個關鍵應用場景，構建了一個全面而強大的數據管理生態，此外該方案還深度融合了核心SAN存儲、全閃存統一存儲以及去中心化的對象存儲等尖端產品，能夠為金融行業的各類具體場景提供了高度定制化、高效能的落地解決方案。

不僅如此，大模型正在賦能千行萬業，但也面臨著海量、優質的行業數據集嚴重匱乏的挑戰，尤其是行業數據中包含了領域特有的知識、術語、規則、流程和邏輯，這使得其往往難以在通用數據集中充分覆蓋。

以主題公園中的AI應用為例，雖然通用AI可以生成“文生圖”，但常常會有缺陷（比如生成的貓有六個腳趾），唯有將行業規則、知識庫與AI技術深度結合，才能真正提升效率并解決實際問題。聯想凌拓的AIPod正是這樣一整套定制化解決方案，它融合了小模型、行業模型和ISV的資源，能夠更快的幫助客戶快速實現AI的技術落地。

回頭來看，這些成功的落地案例僅僅只是聯想凌拓加速賦能千行萬業智能化轉型的“縮影”。今天，無論是在智能制造、智慧金融、智慧醫療、智慧政教還是媒體娛樂等行業，都始終活躍著聯想凌拓的身影，而這種基于“技術創新+場景應用”驅動的全新模式，可以說聯想凌拓真正助力了更很多中國企業釋放了數據要素價值，并加速了AI應用的創新發展。

當然，楊旭最后也強調表示，當前很多AI場景，比如訓練和推理的結合，雖然已經廣泛采用分布式存儲來支持高效的算力部署。然而，在一些特定領域，傳統存儲依然不可或缺，特別是在數據安全和法規合規方面傳統存儲仍然扮演著“關鍵角色。”

舉例來說，金融機構和無人駕駛研發領域需要處理海量數據。過去，這些數據大多存儲在公有云上，但隨著法規的逐步完善，關鍵數據需要在本地存儲，客戶因此不得不調整架構。在這樣的場景中，傳統存儲同樣也以其高集中度、強安全性和出色的可管理性成為客戶的首選。對聯想凌拓而言，分布式存儲與傳統存儲都各有其應用場景，而聯想凌拓也將通過結合兩者的優勢，致力于為行業客戶提供更加靈活高效的存儲解決方案。

而面向未來，聯想凌拓也將會繼續通過強化生態合作伙伴關系，深耕行業場景，推出更完善的解決方案，特別是在AI存儲領域，聯想凌拓將通過硬件和軟件的雙向創新，進一步為行業客戶提供更高效、更可靠的智能數據基礎設施，加速行業駛入智能化快車道。

總的來看，AI大模型的爆發，帶來了一場深刻的“數據革命”和“存力革命”，也正深刻改變著存儲基礎設施的演變進程，而聯想凌拓不僅前瞻性地推出了新一代AI解決方案，還“與時俱進”地推動著智能數據基礎設施的“創新求變”，更通過本地化和場景化的深度創新，為行業客戶提供“因地制宜”的AI解決方案，由此更好地將AI融入千行萬業，相信在加速企業數智化轉型提速的同時，也必將更好地推動中國數字經濟高質量發展“更上層樓”。