媒体观察：相信“蓝色巨人”，IBM 存储永远在线

原文发布于 DOIT 传媒，转载已获授权。

站得高才能够看得远，作为“蓝色巨人”，IBM 数据存储领域拥有足够多的积累和荣耀，无论何时何地， IBM 对存储的洞察都应该引起我们高度关注。不仅如此，IBM 存储产品和解决方案也总会带来意想不到的惊喜和收获。

2023 存储峰会 (FMW) 期间，存储在线总编宋家雨特邀 IBM 副总裁、大中华区存储及中国区 Power 业务总经理候淼结合闪存技术市场的热点进行了专访。

存储在线总编宋家雨（左一）与 IBM 副总裁、大中华区存储及中国区 Power 业务总经理候淼（右一）新闻会客厅访谈

宋家雨：最近 IBM 存储在品牌方面有些调整，把原来 IBM Spectrum 调整为 IBM Storage，这个动作的背后是怎样的一个战略布局？

侯淼：IBM 存储刚刚调整了整个产品线命名，从 IBM Spectrum 调整为 IBM Storage，精简了。IBM 存储产品线比以前更加专注了，通过命名的改变，希望能够使品牌更加突出，突出 IBM+Storage。因为我们看到，数据增长变得越来越快，数据量越来越大，IBM Storage 业务会成为重要的业务发展领域。

IBM 存储品牌战略调整，跟 IBM 公司整体战略是分不开的。

IBM 在 2019 年收购了 Red Hat，今年我们刚刚发布了 watsonx， IBM 整个公司战略围绕两大主线来展开，一个代表混合云，一个代表人工智能。

混合云主要是围绕红帽 OpenShift 底座，为客户打造一个端到端的混合云策略,上可以支持微服务，对下可以支持容器，这样把客户的硬件、软件资源统一结合起来，这是 IBM 很重要的策略。

针对人工智能，特别是今年 7 月份 IBM 刚刚推出的 watsonx，它分为 watsonx.ai、watsonx.data 和 watsonx.governance。其中，watsonx.ai 主要是作为 AI 开发平台，为客户生成模型提供相关的底座和支持，包括模型的训练、验证、调优和部署。watsonx.data 是湖仓一体的结构，跟存储也是紧密相关的。watsonx.governance 为整个人工智能应用提供监管，包括管理的平台。这三个产品会支撑 IBM 战略的另外一个主线，也就是人工智能。

IBM 现在有基础架构和软件业务，还有企业咨询服务，所有这些部门的产品和解决方案都是围绕以上两个主线来展开，我们会比以前更加专注。围绕这个主线，IBM 对存储整个产品线进行了调整，以前我们是以盘（闪盘）、带（磁带）、闪存这样的语言进行描述，未来我们的产品线会围绕三块: 第一块是人工智能存储；第二块是混合云存储；第三块是数据保护存储。我们实际上把硬件、软件结合，首先会有一个软件的平台和引擎作为关键的组成部分；然后是相关硬件，包括盘和带，为客户提供针对 AI 场景、混合云场景以及数据保护场景的解决方案。

宋家雨：您能否结合这两个场景，介绍一下 IBM 存储的一些独特思考？

侯淼：如果把数据源的数据分成两类，一类是结构化的，一类是非结构化的，实际上你会发现非结构化数据增长是非常快的，这里包括像文件、对象、声音、图像等数据，对此，我们投入技术、研发力量帮助客户去寻找这种这种非结构化数据的价值，提供相应的管理方案。

人工智能处理的数据大部分 (80%-90%) 都是非结构化数据，针对这些数据的管理和应用，IBM 存储的一个主要解决方案就是 IBM Storage Scale 的产品家族，来优化和简化数据的访问和存储。

还有一个角度是帮助客户去实现数据的云化，这里最核心的就是容器化。所以我们的混合云存储，特别是我们推出的闪存产品，针对容器化去支持红帽 OpenShift 混合云平台，满足客户在混合云和私有云构建。

现在混合云应用有一个比较大的变化，就是很多客户开始逐渐将应用容器化，对于硬件来讲，容器化的好处在于能够大幅度地去提高硬件的利用率，因为以前一个机器支持几百个虚机就可以了，但是容器化能支持上千规模，使利用率能够大幅度提高，减少客户在硬件上的购买成本，这是它的重要价值。

随着软件应用变得更加敏捷，部署也能够越来越快，不需要花很多周期和时间。围绕这样一个改变，很多客户使用容器化软件去实现生产系统。对于生产系统，不可避免会谈到备份、容灾，包括恢复的功能，而这也是 IBM 最强的部分。

通过我们的软件跟 OpenShift 相结合，能够支持客户实现生产系统的容器化，然后做容灾备份一整套解决方案。换句话来讲，我们是为企业客户在做混合云时，提供端到端的架构，使它能够不单单能满足容器化带来的好处，而且也能满足生产系统所具有的可靠性、稳定性和安全性的要求。

宋家雨：围绕 watsonx，在 AIGC 领域，IBM 存储有哪些独特的优势和思考，能不能分享一下？

侯淼：实际上人工智能这几年是一个高潮，GPU 被大量在 AI 中使用。IBM 在人工智能方面，倡导从 +AI 到 AI+，就是以前是在原有系统上加一些人工智能的功能，今天要做的是用人工智能去替代原有的系统，使它更加自动化。

我们有一个基本的框架，这个框架就是数据、模型、算力和存力。针对基础构架去支持大模型，通过生成式的大模型，支持数据的分析和提炼，其中基础架构是最主要的平台。它有两个关键支柱，一个是算力，一个是存力，我觉得这个说法可能只在中国有，因为在国外都叫做 computing、Storage，中国语言则体现出一个“力”。

存力包括两部分：一是要有一个存储平台，是能够进行数据的存取；二是“力”，代表一种能力，这个能力能够支持人工智能的模型和算力能力的发挥，所以在人工智能存力里，对存储有不一样的要求。一方面是要求高性能，因为现在 GPU 会越来越快，而且 GPU 对存储的要求是吞吐量越来越大，想要数据的话能及时提供 I/O。GPU 资源越来越贵，存储的价值就在于怎么能够减少 GPU 的等待时间，减少 GPU 等待带来的浪费，这很关键，所以人工智能存储第一个特点就是要高性能。为了做到高性能，这类存储要支持英伟达的 GPU 直连，通过支持 DGS 协议，使企业的数据和性能能够提升一倍以上，这是第一个高性能。

第二个就能够进行线性水平扩展，你很难能够去预测未来的增长，所以所有这类系统都是分布式的。要求存储也要是分布式，能够线性扩展，但是分布式跟线性扩展是两个概念。分布式是能够扩展到上百、上千个节点，但是当你扩展到上百、上千个节点时，它的性能是否能跟得上？IBM Storage Scale 软件能解决分布式存储扩展时的性能问题，实现线性水平扩展。

安全性、备份、可靠性则是第三个需求。我觉得这三个结合起来，这个存力就能够支持企业在人工智能领域所需要的基础存储要求了。

宋家雨：您能不能具体介绍一下 IBM 存储和英伟达算力解决方案的合作？

侯淼：IBM 跟英伟达公司的合作由来已久，就在近几年，2018 年 IBM 和英伟达一起联合支持美国能源部的项目，当时是用 IBM 的 Power CPU，采用英伟达 NVLink 总线进行互联，英伟达选中了 Tesla GPU 加 IBM Storage Scale System（下文简称为 SSS，原 ESS）产品，这三款产品结合在一起。因为人工智能计算跟高性能计算是类似，都需要很强的算法，无论是浮点（运算）还是整型（运算）。英伟达在它的一些方案，包括 DGX SuperPOD 都是采用 IBM 的 SSS 产品作为存储的存力。

IBM 现在所发布的 SSS 产品也拿到了英伟达的官方认证，支持 DGX SuperPOD 的 GPU 直连，而且有完整的测试，从两个节点，到 4～8 个节点，我们推荐不同类型的产品组合。IBM 单模块能够去支持 125 GB/s 的带宽传输能力，这是现在业内最快的。同时我们能够实现上百、上千个模块的水平线性扩展，所以这个方案能满足英伟达 GPU 对数据存储的需要。

回到刚才我谈三个能力，有一个是高性能，包括刚才我谈到支持 GPU 直连，包括最快速的单模块 125 GB/s 传输能力。另外一个能力是线性扩展，IBM 现在的一个主要解决方案是 IBM Storage Scale 存储软件，以前叫 GPFS，这个软件是分布式文件系统，客户比较多，它的特点在于：第一，它是全域命名管理，能够支持不同存储协议的数据能够交互，包括像云原生 S3、NFS 等，它有特殊的本地缓存的算法，能够在你访问远程之前提前去预测这个数据是不是在远程，能够先拿到数据。通过这种方式，即使水平扩展上百个节点、上千个，它能够通过预测提高性能，尽可能少衰减，这也是它非常大的优势，也是国内包括国外很多分布式存储用它作为核心数据底座的原因。

第三，很多客户用人工智能进行训练之后，特别是进行推理和使用，数据会越增长越快。这些增长的数据，要考虑归档和备份的问题。IBM 较其他存储的厂家，我们有比较深的、完整的一个存储产品解决方案，我们通过 IBM SSS 3500 产品作为一级存储，去跟英伟达的 DGX 服务器配合使用。

同时，当数据变得越来越多，很多数据使用频度降低时，数据开始从热数据变成温数据和冷数据，我们就开始考虑后面的归档，包括备份方案，这里包括文件归档、目标存储的归档，还有系统通过自带归档，我们有一整套的方案去满足客户对人工智能存力的要求。

宋家雨：在未来 IBM 存储的规划之中，生成式 AI 部分会更加依赖于 Watson 吗？

侯淼：我觉得您说了一个很好的题目，Watson 这个名称来自 IBM 的创始人老沃森，后来也成为了 IBM 研发实验室的名称——IBM Watson 实验室。今天，Watson 已经成为 IBM 人工智能的统一品牌。

现在我们提出叫 watsonx，之所以是 X 的话，是希望我们有各种不同的场景，不同的方案，能解决客户更多的问题。围绕 watsonx 它的三个组成部分，第一个是支持生成式 AI 的开发平台，叫 watsonx.ai，第二个是 watsonx.data，把数据湖和数据仓库结合起来，也就是“湖仓一体”架构。第三个是 watsonx.governance，跟整个监管包括合规相关的。

跟存储有比较大关系的是 watsonx.data，这里牵扯到不单单是要解决人工智能对存储的要求，而且也要解决数据的管理，数据的访问，整套解决方案。围绕这块，用到了不单单是人工智能存储，也会用到云，用到数据备份、数据保护。IBM watsonx 希望针对企业级的人工智能应用提供端到端的技术支持和行业专长。

现在市面上有一些工具可能只是工具，用在企业的话，会有很多问题。包括这些工具的使用，数据的产生，数据的保护，包括维护以及监管的要求。

IBM 的理念是，我们提供 watsonx 产品家族是满足端到端的需要，特别是企业客户，当你不具备那么强 AI 的研发能力，通过 IBM 产品组合，能够从生成式的 AI 模型，到最后满足监管的要求以及数据被保护等各个方面，这是我们提出 watsonx 整个的想法。

watsonx 是 7 月初刚刚开始上市的产品，国内现在在推广阶段，现在有一些国外的案例，主要是客户通过生成式AI模型解决行业一些问题。比如：制造业生产线中缺陷的判别，医疗影像的识别，呼叫中心对客户诉求的自动化应对和回复。我们现在看到针对这类行业应用，所有模型都有它的行业特点，发生很多交互关系，往往要跟客户业务紧密结合，去产生一个合理、可落地的一个模型。

关于数据，我们发现，不单单是企业对 AI 的使用要求，这些客户本身的海量数据，比如，一个银行的呼叫中心可能也有银行帐户的信息，包括信用的信息，而这些信息往往存在数据库里，所以 IBM watsonx.data 面对的数据对象不单单是非结构化的，还有一些结构化的，对数据的保护要求也不一样，可能你跟客户的通话本身是敏感的，要保护。但是跟客户银行帐户的信息相比，可能这里要求的保护级别更高。怎么样把这些结合在一起，就变得非常重要了。

我们现在看到 watsonx.data 对存储的要求，会比单一的系统来得要复杂，因为除了牵扯到模型所产生的，跟 GPU 配合所需要的存储结构以外，还需要后台其他的存储连接，包括跟它的数据库存储，包括怎么样整体上为客户去做备份，做数据保护。我们针对人工智能 AI 的核心软件 Storage Scale，后台既可以接闪存，也可以接对象存储，也可以接磁带，这样跟客户整个系统相结合，不单单是提供 AI 存储的本身，而且提供湖仓一体的存储架构。

宋家雨：最后一个问题想问一下侯总，除了目前我们讲的混合云、AI 存储之外，安全也是一个特别需要关注的话题。IBM Storage 也有一个产品叫 Defender，这样一个产品是不是能够抵御勒索病毒攻击呢？

侯淼：IBM 有一类产品，我们叫它数据弹性存储，这里核心软件就是 IBM Storage Defender。实际上是两个层面的事情，一个叫做数据安全，一个叫数据保护，这两个是不一样的。

数据安全很大程度上是主动的，它要去防止被黑客所袭击，怎么样能够进行主动探测，它是一个主动行为。数据保护相对来说是被动行为，怎样能够在同时情况下保护我的数据，能够尽可能减少损失。IBM 是把这两块结合在一起了，就是 Defender 所要解决的问题。

关于 IBM

IBM 是全球领先的混合云、人工智能及企业服务提供商，帮助超过 175 个国家和地区的客户，从其拥有的数据中获取商业洞察，简化业务流程，降低成本，并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000 家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。

了解更多信息，请访问：https://www.ibm.com/cn-zh 

END

往期回顾

点击“阅读原文”，获取更多内容