11月15日，“AI赋智数据”-联想凌拓技术大会在上海举办。本次大会聚焦数据与智能交汇时代下的数据基础设施变革，探讨企业如何借助生成式AI与智能数据基础架构的融合，帮助企业打破数据孤岛，加速自主AI应用落地，实现数据到智能的转型，共创智慧高效的数字未来。
随着AI大模型兴起，数字基础设施，尤其是作为“第三支柱”的存储领域正面临重大变革。据IDC报告预测，中国AI大模型市场预计2024上半年达13.8亿元，2028年将增至211亿元。这一增长对计算、网络及存储能力提出了更高要求。数据量的持续增长，使得高效、强大且便捷的存储架构在AI数据周期中至关重要。企业亟需通过优化存储基础设施来支撑AI应用，优化决策与运营，确保数据安全，降低成本，实现业务增长。
AI技术的迅猛进步为数据管理行业带来了深刻变革，在大会交流展区，联想凌拓展示了其在智能制造、智慧金融、智慧医疗，以及智慧教育和娱乐媒体等领域的AI赋智数据解决方案，体现了其在智能数据管理领域的创新能力及实际应用的成效。
AIPod的核心理念是“扶上马，送一程”
在本次大会的AI智能展台，联想凌拓展示了多项AI赋智数据解决方案，包括AIPod智算一体化平台、开源智算、企业赋能、d.run算力一体化平台等，全面体现了其在AI与数据管理领域的技术实力。
联想凌拓首席执行官杨旭表示，此次发布的所有解决方案都围绕着“AI如何赋能数据，以及如何将数据反哺为AI”这一核心理念，目标是通过技术创新帮助客户实现数据价值的最大化。他在近期参加的金融行业CIO论坛中观察到，企业普遍在探索如何将已有数据、具体应用场景和AI大模型算力结合。“比如，在风控领域通过AI提高效率，或者通过智能办公场景优化业务流程。而实现这些目标需要强大的数据管理能力与AI技术相辅相成。”他说。
不过，正如AI文生图常会出现“六个脚趾的猫”这样的Bug，只有将行业规则、知识库与AI技术深度结合，才能真正提升效率并解决实际问题。为此，联想凌拓推出了AIPod，杨旭表示， AIPod是一套完整定制化解决方案，它融合了小模型、行业模型和ISV的资源，帮助客户快速实现AI的技术落地。
联想凌拓产品管理与营销高级总监林佑声进一步解释，AIPod不是单一的产品，而是为中小企业设计的参考架构。“目前，大部分企业对AI的认知还停留在基础阶段，同时缺乏大规模GPU算力的能力。”林佑声表示，“通过AIPod，我们提供了一个实验验证平台，整合GPU服务器、存储和网络设备，企业能完成初步测试。这种模式不仅降低了试错成本，还获得清晰的性能数据，便于申请预算或制定下一步计划。”
林佑声总结道：“AIPod的核心理念是‘扶上马，送一程’，让客户专注于AI与业务场景的结合，而无需过多担心硬件架构的复杂性。”目前，AIPod已经在金融、医疗和制造等领域实际应用。在金融领域，帮助客户通过量化交易模型预测股市动态，提高决策效率；在医疗领域，AIPod支持AI精准定位疾病，加快诊断流程；在制造领域，它被用于工厂缺陷检测，帮助企业快速发现并剔除瑕疵品。
AIPod是联想凌拓推动AI应用落地的关键一环，也是其加速存储基础设施迈向2.0时代的重要实践之一。在大会期间，联想凌拓进一步通过多项新产品发布，系统性推进AI存储从概念到实践的全面升级。
AI存储2.0时代开始
在大会期间，联想凌拓推出全新高性能SAN存储ASA A系列、统一混合闪存FAS系列、统一全闪存AFF A系列及全新统一大容量全闪存AFF C系列，实现数据管理现代化，提速AI基础设施建设。这也是联想凌拓继今年5月、9月之后连续发布了第三波重磅新品,展示了联想凌拓在推动AI基础设施建设，实现数据管理现代化方面的持续创新。联想凌拓正引领AI存储进入2.0时代，为行业创新注入新动能。
联想凌拓首席执行官杨旭（左） 联想凌拓产品管理与营销高级总监林佑声（右）
近年来，随着AI场景的快速发展，市场中分布式存储需求的增长尤为迅速。很多AI场景，比如训练和推理的结合，已经广泛采用分布式存储来支持高效的算力部署。然而，在一些特定领域，传统存储依然不可或缺，特别是在数据安全和法规合规方面。
杨旭指出：“金融机构和无人驾驶企业需要处理海量数据，过去，这些数据大多存储在公有云上，但随着法规的逐步完善，关键数据需要在本地存储，因此需要调整架构。在这些场景中，传统存储以其高集中度、强安全性和出色的可管理性，依然客户的首选。通过结合分布式存储与传统存储的优势，联想凌拓能够提供更灵活高效的解决方案。”
林佑声指出，传统分布式存储，例如“混闪”架构，虽然性价比较高，但性能已无法满足AI场景的复杂需求。下一代分布式全闪存储需要提供更高效的AI接入体验，同时需要配备更先进的软件支持。此外，传统存储在可靠性和稳定性基础上，还需要增强灵活性和数据多样性，需要开放更多数据接口，同时结合创新能力，以匹配AI算力对动态需求的支持。
为此，联想凌拓将存储需求划分为五个阶段：数据整理、训练、推理、大模型和企业应用，每个阶段对存储的性能和功能要求都截然不同。
在数据整理阶段，面临数据种类繁多、规模庞大的挑战，需要采用高效的平台和基于闪存的分布式存储来平衡性能和容量需求。而在训练阶段，性能是核心需求，超算级别的高性能存储能够充分释放GPU算力，加速模型训练。至于推理阶段，则需要在吞吐、时延和数据安全之间找到最佳平衡。
目前大多数企业更注重小规模、高精度的模型训练与推理。这也对存储技术提出了新的要求，既需要提高可持续性和平衡性，又要强化运维能力。同时，数据安全仍是重中之重，防止勒索攻击和其他威胁是联想凌拓解决方案的核心能力之一。
据了解，联想凌拓正在研发分布式全闪存储2.0。新一代存储将通过更智能化的架构和优化的软件功能，进一步支持AI技术的发展需求。此外，通过引入QLC等新介质，结合更灵活的软件功能，让传统存储焕发出新的活力，为企业提供更高效、更经济的存储解决方案。未来，联想凌拓将继续围绕‘AI赋智数据’这一核心理念，推动存储基础设施创新，以智能技术加速企业数字化转型，助力各行业共创智慧高效的数字未来。
