先進存力在應對如今呈指數級增長的數據量方面,面臨著哪些關鍵挑戰(zhàn)?

進入數智化時代,新質生產力的崛起與數據要素的深度融合,正引領著一場前所未有的變革。在這場變革中,算力、運力和存力如同新質生產力的三大支柱,強力支撐著數字世界的高效運轉,而存力的價值更是日益凸顯,杉巖數據作為一家以新一代智能分布式軟件定義存儲技術為核心,提供海量數據存儲與管理解決方案的企業(yè),在研發(fā)及應用實踐中,我們看到,在海量數據的快速增長下,先進存力正面臨著多方面的關鍵挑戰(zhàn),如:

首先,數據如何有效利用的挑戰(zhàn)。

當前很多用戶單位缺乏較長遠的規(guī)劃。解決問題式和追趕潮流式的急上快干,可能會導致重復投資或購買不必要的技術,必然會造成資源浪費,技術債務或維護成本過高;組織結構不合理,效率低下也會造成機會錯失。企業(yè)針對行業(yè)和自身業(yè)務發(fā)展,需要統一目標和數據治理的標準,制定面向未來的頂層架構設計,這是非常大的挑戰(zhàn)。

二是,數據管理和數據治理的挑戰(zhàn),會給制造企業(yè)帶來沉重的負擔。

例如數據分散存儲,共享困難,數據缺乏分類整理,數據不可視化,數據的查找和使用困難;這需要跨部門的協作,打破部門壁壘,對組織結構和企業(yè)文化提出了挑戰(zhàn)。

企業(yè)投入大量的資源和人力,包括技術解決方案的采購、系統的實施和維護,以及相關人員的培訓和招聘等,如何實現在有限的預算內高效地數據管理和數據治理是一個重要挑戰(zhàn)。

三是,數據和信息單位存儲成本過高的挑戰(zhàn)。

數據多樣化、類型多樣,信息存儲成本也不一樣,如果沒有根據信息價值的密度進行有效地存儲,就會出現錯配和浪費嚴重。例如:AI分析場景,算力成本非常高,GPU成本非常高,等待數據的成本非常高;對于信息價值密度相對較低,則需要利用高密存儲和冷存儲發(fā)展,利用創(chuàng)新的技術,進行集約化管理,從而減輕企業(yè)的負擔。

無論是業(yè)務層面,還是國家政策層面,發(fā)展新質生產力都成為重要目標。新技術深化應用, 離不開數據要素的應用,而存力為數據要素的分析和挖掘奠定了堅實基礎。沒有強大的存力,數據要素的價值將難以充分釋放,新質生產力也將失去重要支撐。杉巖數據作為國家級專精特新“小巨人”企業(yè),又是廣東省科學技術廳認定的“廣東省分布式智能存儲工程技術研究中心”,充分發(fā)揮“小巨人”企業(yè)及“工程中心”在產業(yè)技術研究開發(fā)和科技成果轉化,支撐制造業(yè)新質生產力發(fā)展的示范引領作用。

我們以突破制約制造產業(yè)發(fā)展存力的關鍵共性技術為核心,重點圍繞新能源汽車產業(yè)鏈、半導體產業(yè)鏈、消費電子產業(yè)鏈等提供數據基礎設施建設服務。

先進存力如何與在不同的行業(yè)應用場景,如人工智能、物聯網、邊緣計算等場景進行結合?

在不同的行業(yè)應用場景中,存力作為基礎設施,具有很重要的作用,以制造行業(yè)為例,在生產質量管理中的表現尤為明顯:

?質量檢測是確保產品質量和客戶滿意度的關鍵環(huán)節(jié)。例如,汽車質量管理體系提出,生產者應當建立并保存汽車產品設計、制造、標識、檢驗等方面的信息記錄,保存期不得少于15年。工信部印發(fā)《智能制造典型場景參考指引》中提出:面向質量數據管理、質量問題追溯、質量優(yōu)化等業(yè)務活動,針對質量數據不完整、追溯難度大等問題,構建質量管理系統,應用條碼、二維碼、RFID、5G、標識解析、區(qū)塊鏈等技術,集成分析原料、設計、生產、使用等質量相關數據,實現產品全生命周期的質量精準追溯和優(yōu)化改進。

在先進高端制造業(yè),AI工業(yè)質檢等新興技術賦能智能制造加速轉型。企業(yè)往往面臨存儲空間受限、存儲成本高昂、數據分散難整合、缺少數據管理機制、質量追溯周期冗長、質量分析價值難發(fā)揮等諸多挑戰(zhàn)。

杉巖數據通過在制造行業(yè)場景持續(xù)的技術研發(fā)投入和探索實踐,創(chuàng)新推出行業(yè)首款檢測數據管理領域工業(yè)軟件——杉巖檢測數據管理系統IDM,解決海量質量檢測數據集中存儲、高效管理、深度應用的問題,通過對檢測數據的全生命周期管理,優(yōu)化品質管理流程,幫助智能制造企業(yè)快速構建一套更高效質量管理、更敏捷數據管理以及更低TCO的海量檢測數據管理系統。

杉巖數據在技術創(chuàng)新、行業(yè)場景應用方面的探索和實踐,攻克了制造業(yè)產線檢測數據采集、數據存儲、數據檢索、數據壓縮、數據全生命周期管理等諸多重大技術難題,助推新質生產力加速發(fā)展。

分享到

nina

相關推薦