-
一夜飆漲389億，京東離不開云計算？ 日前，京東公布了2023年第四季度及全年財報。財報顯示，第四季度凈營收為3061億元，同比增長3.6%；歸屬于普通股股東的凈利潤為34億元，2022年同期凈利潤為30億元；2023年凈營收為10847億元，較2022年增長3.7%；歸屬于普通股股東的凈利潤為242億元，2022年凈利潤為104億元。拿下今年春晚獨家合作權的劉強東，再創萬億年營收。當晚美股股價從盤前漲超11%、盤中漲近20%，最終收漲16.18%，市值一夜飆漲54億美元（約合人民幣389億元）。百億身價的京東宣布要在市場上買下10%的自己（按照大約300億美元流通市值計算），其會在三年內最多回購30億美元。 混合云+AI 在眾多板塊中，京東ToB業務表現其亮眼，全年服務收入達2134億元，同比增長17.8%。而這份功勞，有京東云一份。京東云一直有自己的“打法”，那就是“AI+云計算”的云智能全價值鏈產業賦能新戰略。京東云將與京東AI業務深度結合，推動產業互聯網。從“上云”那一刻開始，京東云便生長在混合多云的環境中。立足混合云+AI的京東云，在2021年發布了行業首個混合多云操作系統“云艦”。云艦將混合多云的管理推向前所未有的操作系統級別，可全面兼容全球范圍各類基礎設施，實現混合基礎設施最全面最徹底的管理與調度。去年7月，云艦升級到了3.0版本。該版本擁有更加極致的穩定可靠性、更豐富更開放的生態、更先進的計算池化技術、更廣泛兼容的多云多芯多活，可以更好的滿足產業各類數字化轉型的需求。它也成為了行業首批通過中國信通院混合云綜合能力評測，位列最高等級。 江湖氣的京東 除云艦3.0外，京東云還推出了更適合產業“體質”的言犀大模型。京東云不強調“通用”，而是用自家數據訓練自家模型，即融合了70%通用數據與30%數智供應鏈原生數據，專注于解決真實的產業問題。同時，為了降低使用門檻，京東云基于言犀大模型解耦出的底層能力，推出了言犀AI開發計算平臺。在言犀AI開發計算平臺上，之前需要10余人的科學家團隊工作，現在只需要1-2個算法人員，且可完成從數據準備、模型訓練到模型部署的全流程，訓練效率提升2倍，推理提效6.2倍，成本節約近90%。多快好省的京東，實現了真正的MaaS。第十四屆全國人民代表大會第二次會議上，京東集團技術委員會主席、京東云事業部總裁曹鵬今年提交了多份提案，其中包括“鼓勵國產算力軟硬協同，支持大模型創新與應用”；“要以國產化算力底座推動新質生產力發展”等。曹鵬表示，京東云基于多年在多個產業中的“摸爬滾打”，構建出以先進計算體系為代表的新質生產力，并已廣泛應用于互聯網、金融、政務、能源、交通等領域，為千行百業不同需求的客戶提供更加安全穩定、超強性能、極致降本的產品和服務。一身“江湖氣”的京東云扎深產業，不做“浮云”。 寫在最后 如果說電商是京東的第一戰場，那么云計算便是它的第二戰場。在這個戰爭上，京東毫不畏縮。前幾日，繼阿里云宣布“史上最大力度”降價后，京東云直接硬鋼，承諾比特定云廠商在其最低實際成交單價基礎上再低10%，并喊出“隨便降，比到底，買貴就賠”。一直以來，京東云是京東所有業務中的“小透明”，其存在是為了更好服務其他業務。后來，京東云又作為上市助推器，與京東數科合并，但后者上市遙遙無期，前者也沒什么存在感。然而每次云廠商的博弈，京東云卻從未缺席。京東離不云，就像魚離不開水。“江湖氣”十足的京東云必將在這場“華山論劍”中，不落后于人。 -
云數據存儲的五大風險 云數據存儲的五大風險 將數據存儲在云存儲庫中很有意義，也有很多好處。然而，任何將重要數據遷移到云服務的決定都會帶來一些風險。 無論是數據丟失、缺乏隱私還是網絡攻擊，存儲管理員在遷移之前都必須仔細考慮云數據存儲風險。管理員應在云存儲安裝期間和之后定期檢查這些風險。數據機密性、完整性和可用性至關重要。 未經授權訪問數據 訪問基于云的數據和系統通常需要互聯網連接。只有經過批準和驗證的用戶才有權訪問數據。基于角色的訪問由用戶的位置和活動決定，有助于防止未經授權的訪問。理想情況下，身份驗證至少具有兩個授予訪問權限的因素，可以保護數據免受潛在的破壞。與訪問相關的活動的加密也可以保護數據。 數據丟失 當用戶將數據和系統托管在云服務中時，其仍然負責數據保護，這可能會限制用戶對數據的控制。生成關鍵數據的額外副本，并將其存儲在另一個存儲平臺中，最好是不同的數據中心。混合布置也是一種選擇。用戶將關鍵數據存儲在本地，例如NAS設備和云存儲庫中。這使用戶能夠從NAS設備本地訪問關鍵數據，并在云中托管該數據的備份。仔細審查云服務提供商的服務級別協議。了解其規則，誰負責數據保護。實施數據保護策略，以最大程度地降低云數據存儲風險。本文檔為用戶如何創建、存儲、訪問、更改和刪除數據建立了指導方針。根據歐盟GDPR的規定，數據保護也是一項重要的監管要求。任何訪問歐盟成員國生成的數據的組織都必須遵守GDPR。 云中的安全 盡管近年來云存儲安全性有所提高，但對靜態和傳輸中的數據進行加密仍然很重要。建立氣隙以進一步保護數據。一些云供應商提供氣隙，而磁帶存儲是另一種常見的選擇。 數據隱私的損失 未經授權的訪問是最大的云數據存儲風險之一。這可能意味著隱私的損失，尤其是個人身份信息和個人健康信息。例如，HIPAA法規在聯邦法規第164部分中有具體要求，以確保管理員建立和維護數據隱私。 網絡攻擊和違規 隨著網絡攻擊的頻率和嚴重性增加，，例如網絡釣魚和勒索軟件，在云服務中存儲數據的用戶必須確保與現場存儲相同的網絡安全保護。尋找能夠提供最直接的用戶控制的產品。云安全產品的示例包括： 檢查點Cloud Guard。支持多云環境以及大多數主要云平臺。 云通道層。使用IaaS支持云服務器和容器。 Symantec云工作負載保護。支持所有主要云平臺并提供資源可擴展性以支持不斷變化的用戶需求。 -
云安全如何增強數據完整性 作為企業主或IT專業人士，您了解數據在當今數字環境中的巨大價值。但您是否考慮過在云中存儲和傳輸敏感數據的風險？數據泄露、未經授權的訪問和潛在的損壞可能會造成災難性的后果，損害您企業的誠信和聲譽。如果您能夠充分利用云計算的強大功能，同時確保對寶貴數據進行最大程度的保護，結果會怎樣？云安全改變了游戲規則，它提供了強大的措施來保護數據完整性，并使組織能夠自信地在云中運營。 數據屏蔽可增強數據完整性 維護云中數據完整性的一個關鍵方面是保護敏感數據，例如個人身份信息(PII)或財務記錄。數據屏蔽是一種安全技術，在實現此目標方面發揮著至關重要的作用。數據屏蔽涉及使用虛構或匿名值來模糊或替換敏感數據元素的過程。這可確保原始數據仍然受到保護，同時仍允許對屏蔽數據集執行測試、開發或其他授權活動。在云計算的背景下，數據屏蔽在維護數據完整性方面發揮著重要作用，在非生產環境（例如開發、測試和準備階段）中保護信息，因為這些環境可能會向不同的個人或團隊公開信息。通過屏蔽數據，可以隱藏這些信息。最大限度地降低訪問或意外暴露的風險。促進與供應商、合作伙伴或承包商等各方的數據共享和協作。數據屏蔽涉及用屏蔽版本替換值，以促進協作，同時維護數據的完整性。確保遵守要求保護數據的數據隱私法規（如GDPR和CCPA）。在組織中實施數據屏蔽表明他們致力于確保數據隱私和合規性，以避免受到處罰。通過模糊信息來減輕內部威脅可以降低內部人員獲取和破壞信息的可能性。為了有效部署數據屏蔽措施，企業應該利用動態屏蔽技術來實施訪問控制，對屏蔽數據集進行審計和監控，并選擇提供強大數據屏蔽功能以及行業標準加密和密鑰管理實踐的知名云服務提供商。 云安全對于數據完整性的重要性 1.保護數據免遭未經授權的訪問 云計算的一大擔憂是防止訪問機密信息。云安全功能（如訪問控制、加密和多因素身份驗證）在阻止未經授權的個人獲取敏感信息方面發揮著重要作用。通過實施這些安全措施，企業可以保護其數據免受泄露，確保其完整性并防止更改或泄露。 2.確保數據的一致性和準確性 在設置中，數據通常由多個用戶和應用同時處理。安全協議（例如版本控制和數據同步機制）有助于維護跨位置和設備的數據一致性和準確性。這可確保所有用戶都與最新的數據版本進行交互，從而最大限度地減少錯誤、差異和數據損壞。 3.傳輸過程中保護數據 數據在云服務、應用和設備之間不斷傳輸。通信協議(HTTPS、VPN)和端到端加密等云安全措施可在傳輸過程中保護數據，以阻止竊聽、中間人攻擊和其他可能損害數據完整性的潛在安全風險。 4.啟用安全備份和恢復 數據丟失或損壞會對企業產生影響。云安全解決方案通常具有備份和恢復功能，以確保在系統故障、網絡攻擊或人為失誤的情況下能夠快速安全地恢復數據。這種方法通過提供恢復數據的方法來幫助維護數據完整性，從而減少停機時間和潛在的數據丟失。 數據完整性的云安全最佳實踐 為了通過云安全有效增強數據完整性，企業應實施以下最佳實踐：● 使用訪問控制（如基于角色的管理和多因素身份驗證）來限制對敏感數據的訪問。● 在存儲和傳輸過程中使用行業標準加密保護數據。● 使用最新的安全補丁更新云服務、應用程序和操作系統，以防止違規。● 跟蹤和審計所有數據活動以檢測和應對安全事件。● 通過定期的安全培訓，教會員工如何處理敏感數據和識別威脅。● 定期檢查云安全性以發現弱點并更新針對新威脅的保護措施。 總結 那么，您準備好在保護數據完整性的同時過渡到云了嗎？云安全在釋放可能性的同時保護寶貴信息。試想一下。通過實施安全協議，可以告別對數據泄露、未經授權的進入或篡改的擔憂。相反，您將有信心根據數據做出業務決策，從而建立利益相關者之間的信任并促進業務增長。不要讓憂慮阻礙進步。采用云計算，并制定符合組織要求的安全計劃。簡化運營，保持領先地位，保護資產和數據。未來在于云，有了云安全措施，您可以達到頂峰，同時確保數據的完整性堅如磐石。擁抱云技術的功能。為業務開辟一個充滿機遇的領域。 常見問題 云安全如何有助于維護數據完整性？ 云安全機制保護數據免遭訪問，確保其一致性和準確性。它們還在傳輸過程中保護數據并促進備份和恢復過程。所有這些都有助于提高數據完整性。 數據屏蔽對于保護數據完整性有何作用？ 數據屏蔽使用偽造或匿名值來隱藏信息。這種做法可以在生產環境中保護詳細信息。它還支持數據共享和協作。此外，它還有助于遵守數據隱私法規并降低組織內部的風險。 哪些云安全服務和解決方案可以提高數據的可信度？ 有一些選項可以增強云數據安全性，例如云訪問安全代理(CASB)云數據丟失預防(DLP)工具、帶密鑰管理的云加密、云安全態勢管理(CSPM)解決方案以及云原生安全信息和事件管理(SIEM)系統。 關鍵要點 ● 維護數據完整性對于做出明智的決策、滿足要求和維護利益相關者的信心至關重要。● 云安全措施保護數據免遭訪問，確保準確性和一致性，在傳輸過程中保護數據并啟用備份程序。● 采用訪問控制、加密方法、定期系統更新和員工培訓等措施對于維護云環境中的數據完整性至關重要。● 數據混淆在保護信息方面發揮著重要作用，可以促進安全的團隊合作，確保遵守合規性并降低內部人員的風險。● 利用安全服務和解決方案可以提供功能以及持續監控能力，通過自動威脅檢測響應來增強數據完整性保護。 -
如何通過無縫跨云數據共享打破孤島？ 在當今的多云世界中，標準化就像跨云數據共享的轉換器，確保不同的云平臺可以讀取數據并實現無縫交換。假設在全國各地有多個辦事處，每個辦事處都有不同的安全系統、辦事處經理和營業時間。但需要從任何位置安全地訪問企業文件，這就是跨云數據共享的挑戰。由于每個云提供商都充當單獨的辦公室，因此訪問所需的所有文件會變得困難。此外，擁有多個具有不同訪問點的辦公室會使我們容易受到入侵和數據泄露的影響。雖然辦公樓內可能存在需要特殊訪問權限的禁區或安全室（存儲受復雜隱私法規約束的數據），但每棟辦公樓的安全級別是否都相同？幸運的是，存在解決方案可以確保他們做到這一點。讓我們深入探討企業由于跨云數據共享而面臨的典型障礙，以及一系列可能的解決方案，以幫助您獲得實時洞察力。 多云數據管理的挑戰 在多云環境中，數據分布在不同的云平臺上，存儲解決方案和管理工具也各不相同。這種分散的框架可能導致數據所有權分散、可見性有限和數據孤島。數據孤島阻礙企業全面了解其數據。數據孤島導致數據集不完整且不一致，這意味著一個部門可能會訪問錯誤或過時的信息。這阻礙了生成全面的實時洞察、促進協作和做出數據驅動決策的能力。事實上，研究發現，76%的受訪者承認數據孤島阻礙了跨部門交流。此外，企業使用的每個云提供商都代表著另一個安全問題，每個云都是一個潛在的入口點。網絡掃描是網絡犯罪分子識別暴露入口點的常用方法。許多人使用一種稱為端口掃描的技術，這與審計人員查找易受攻擊的網絡區域的方法相同。然后，攻擊者瞄準云平臺之間的漏洞或錯誤配置，滲透到企業的整個云環境中，可能對企業的財務和聲譽造成災難性的損害。多云還意味著很難全面了解潛在的安全風險，也很難確保在所有地方都實施一致的安全策略。由于數據孤島以及每個云提供商都有自己的安全協議和配置，這種情況進一步加劇。報告發現，69%的組織由于不同公共云平臺上應用安全性的配置方式不同而遭遇數據泄露或暴露。跨云數據共享的另一個重要問題與數據隱私法規有關，企業必須遵守適用于其業務類型、數據位置和訪問數據的用戶的法規。確保跨多個云位置的合規性會大大增加數據治理流程的復雜性，這意味著需要額外的資源和專業知識來管理跨不同區域的合規性。對于擁有大量IT團隊的大型企業來說，保持合規性可能是一個相對容易的挑戰。然而，對于可能沒有內部IT團隊的初創企業和小型企業來說，要適應不斷變化的法規，他們可能需要將有限預算中的大部分花在專家云架構師身上。 跨云數據共享解決方案 雖然多云方法確實存在挑戰，但隨著越來越多的企業開展國際合作、建立在家辦公計劃以及外包具有特定專業的項目，IT團隊共享數據至關重要。以下是他們可以安全地做到這一點的方法。 跨云平臺的標準化 簡單來說，標準化就像是跨云數據共享的翻譯器，確保不同的云平臺可以讀取數據并實現無縫交換。這樣就無需為每個云環境編寫復雜的自定義代碼或數據轉換流程。國際標準化組織等組織為企業提供獨立的、非政府的和全球性的標準。例如，可以查找和購買有關行業頂級標準的信息。ISO/IEC23894:2023指導用戶如何開發、生產、部署或使用使用AI的產品、系統和服務。遵循標準化數據結構有助于實時數據分析、消除瓶頸并避免數據共享延遲或中斷。更重要的是，標準化數據簡化了數據管理，使跨多個云環境實施一致的數據治理策略更加容易。 集中式數據湖 為了充分利用多云環境，企業應將數據整合并集中在單個數據庫或數據湖中。由于這些存儲庫可以保存和處理大量結構化、半結構化和非結構化數據，因此非常適合跨部門協作。為了實現數據源的靈活性，可以實施“讀取時模式”方法。這意味著在分析期間定義數據結構，而不是預先強制執行模式。但是，集中式數據湖可以配置為近乎實時地處理數據。考慮預處理步驟來準備非結構化數據以便更快地進行分析。這可能涉及事先提取相關特征或元數據。然后，可以近乎實時地分析預處理的數據以及結構化數據流。這就是人工智能數據目錄的作用所在：它們作為數據湖的搜索引擎，使用人工智能和機器學習來：● 自動掃描和分類湖內的數據，使得查找和理解相關數據集更加容易。● 識別并解決潛在的不一致性，例如重復或丟失的數據，確保分析的準確性和可靠性。● 追蹤數據集的起源和演變，為分析提供有價值的背景信息并確保法規遵從性。通過利用具有AI驅動目錄的數據湖，企業可以獲得解決跨云數據共享障礙的強大解決方案。數據湖將信息集中化，而AI目錄則解鎖數據，使其變得易于理解和值得信賴。 第三方數據共享平臺 第三方平臺允許企業將其各種云環境連接到平臺，從而實現安全且受控的數據交換。此中央樞紐簡化了跨云協作，使跨云環境的部門能夠輕松訪問和共享數據，從而促進協作和知識共享。此外，擁有集中的數據焦點可以簡化數據治理任務，如訪問控制、合規性監控和審計跟蹤。因此，隨著更快、更高效的數據共享成為可能，此外，一些平臺還提供可視化工具，如內置儀表板。企業可以一目了然地了解數據，并快速響應市場趨勢和機會，從而提高整體敏捷性。市場上有各種各樣的平臺和工具，包括數據集成平臺以及支持多云的云數據倉庫。讓第三方提供內置報告等功能、提供詳細的審計跟蹤并采用靜態和傳輸中加密等強大的安全協議可以減輕小型IT團隊和個人的負擔，但確保您的合作伙伴值得信賴至關重要。選擇正確的平臺和工具取決于企業的具體需求和預算，因此企業應該考慮支持哪些云提供商、他們提供的安全功能以及平臺是否可以隨著業務擴展。 總結 當前的多云方法對企業來說是一個挑戰。分散的信息被鎖在多個云環境中，導致無法獲取實時見解，并增加了合規性和法規方面的問題，更不用說，眾多的入口點增加了黑客的攻擊面。然而，企業并非束手無策。通過跨平臺標準化數據格式、實施具有強大數據目錄的集中式數據湖以及利用第三方數據共享平臺，隧道盡頭就會出現曙光。這束光可以幫助企業打破數據孤島并釋放其信息的真正潛力。 -
適合初學者的7種良好云存儲策略 由于我們不斷創建數據，因此存儲數據的成本可能很高。云存儲可幫助企業節省時間、降低成本并簡化流程。從處理日常問題到簡化功能，它可滿足所有需求。當企業知道如何有效使用云存儲時，云存儲將為企業提供最佳服務。優化云存儲可增強安全性、消除漏洞并支持高效運營。考慮到所有這些，這些策略可以幫助組織蓬勃發展。 如何選擇云存儲解決方案 了解業務需求將幫助找到適合用戶的云存儲選項。分析客戶對云的期望操作類型和性能。選擇具有滿足這些期望的速度和資源的存儲選項。預算也是一個因素。選擇云存儲解決方案時，請注意超額費用。業務開展的時間越長，數據存儲量就越大。在合適的時間升級數據存儲，可以避免昂貴的超額費用。選擇云服務時要靈活。避免將自己鎖定在單一云服務提供商。這會降低未來的靈活性，使得更換供應商的成本高昂且幾乎不可能。分析合同條款并規劃退出策略，即使它們是假設的。在需要時有能力離開。使用容器化和抽象層來確保數據保持可移植性。 正確管理數據 命名數據的方法有很多種，尤其是存儲桶和對象名稱。選擇的方法應該在整個云存儲解決方案中保持一致。文件命名的一致性使文件易于檢索、共享、編輯和分析。此外，定期備份數據，所有云資源都應備份。這樣可以確保即使系統出現故障，存儲數據也受到保護。如果數據損壞、意外刪除或出現安全漏洞，也會受到保護。 最大程度提高可用性并最大程度減少停機時間 正確設置云存儲安全，不要因為錯誤的權限設置而讓敏感信息處于危險之中。避免使用不符合要求的默認配置或處理不當的安全措施。此外，始終保持存儲可訪問，并制定備份計劃以應對中斷。業務運營需要一致的云服務，讓您在必要時訪問重要數據。通過在不同位置構建強大的基礎設施、備份系統和數據存儲設施來實現這一點。另一種最大化可用性的方法是監控云存儲接收的流量。根據每秒操作數、帶寬和緩存控制來評估流量。確保通過在一天中不太繁忙的時間進行更新、最大化帶寬限制和快速處理錯誤來最大限度地減少攻擊。 優化數據傳輸 數據傳輸速度是指在不同位置之間傳輸文件的速度。對于大型數據集，傳輸速度非常重要。為了提高數據傳輸速度，請使用以下三種技術：● 優化云存儲網絡設置。● 使用內容分發網絡或CDN。● 實現高效的數據壓縮。上傳數據時，不要中斷連接，相反，要等待數據上傳完成。確保在通信中斷或中斷的情況下，上傳可以從中斷的地方繼續。 維護云存儲 不要讓云存儲環境變得臃腫。并非所有內容都需要存儲在云中。消除冗余、過時或瑣碎的內容。任何過時的文件都可以被取出并存儲在其他地方，以提高生產力、降低風險并提高速度和準確性。畢竟，組織良好的云環境可讓用戶輕松找到信息。隨著企業的發展，它將需要更多的存儲空間。通過清理云存儲并刪除冗余數據，充分利用這一確定性。不要存檔需要刪除的內容。相反，銷毀信息并將其全部刪除。 保護云存儲架構 您應該監控云架構是否存在安全風險。如果發生數據泄露，請立即采取行動執行安全法規并采用加密技術。還應該定期進行云存儲審查，并運行分析程序以支持強大的云存儲解決方案。另一項安全措施是限制訪問控制。請謹慎授權訪問云存儲。使用不同的安全級別，不要向匿名用戶授予權限。注意誰在云存儲中擁有管理權限。明智的做法是將訪問權限保持在最低限度，并定期檢查以確保它們保持最新狀態。人為錯誤可能導致安全問題。確保員工接受過云存儲方面的培訓，以避免配置錯誤和訪問控制不足。投資培訓合格人員，確保他們了解最佳實踐，包括遵守云數據存儲法規。 兼容性程序和溝通路線 您可能偶爾需要將數據遷移到其他云提供商或系統。為了成功遷移，請確保已定義傳輸協議和程序。自定義數據傳輸方法并定期測試，監控傳輸以確保維護安全性。此外，還可以將云存儲與本地系統或其他云服務集成。為此，必須始終使用高級數據互操作性解決方案。建立清晰的溝通路線，簡化工作流程。 -
研究顯示：數據中心液冷市場升溫 根據研究公司Dell'Oro Group的報告，數據中心的液體冷卻技術正從特定市場細分中的小眾選擇轉變為主流應用。 隨著先進處理器和高性能服務器部署的增加，液體冷卻的熱管理能力需求也在增長。展望未來，Dell'Oro Group表示，液體冷卻將在2024年下半年開始成為主流技術，并將在未來五年內增長至超過150億美元的市場規模。 “以前，液體冷卻供應商宣稱提高效率和可持續性是該技術被采用的原因，”Dell'Oro Group研究總監兼《數據中心液體冷卻高級研究報告》作者Lucas Beran說道。“雖然這些好處依然存在，但目前推動其采用的主要原因是其增強的熱管理性能，能夠滿足高端處理器和加速服務器特別苛刻的熱要求。” Dell'Oro報告稱，配備GPU和定制加速器的加速服務器在2024年第一季度占所有服務器銷售的超過一半。此外，AI網絡需求將加速向更高速度和先進熱管理的轉變。預計到2025年，AI后端網絡中部署的大部分交換端口將達到800 Gbps，而到2027年將達到1600 Gbps。 液體冷卻類型 Dell'Oro報告研究了三種液體冷卻技術：后門熱交換器、直芯冷卻和浸沒冷卻。 后門熱交換器通常安裝在單個服務器機架上，涉及在機架后部放置一個冷凝器單元，提供冷卻液并移除服務器產生的熱量。Beran表示，“后門熱交換器的重要之處在于它不需要對IT設備進行修改，因此在未設計為液體冷卻的基礎設施中部署要簡單得多。” 直芯液體冷卻技術需要對現有設備進行改動，涉及在處理器頂部安裝冷卻板，并從服務器中引出管道。這種技術配置被稱為單相直芯液體冷卻（DLC）。雙相直芯液體冷卻利用冷卻液的液相和氣相，更高效地散熱。 單相DLC部署首先規模化，Beran表示，“這是因為高性能計算行業長期采用該技術，幫助建立了更成熟的供應商生態系統和最終用戶部署和服務技術的知識。”單相DLC是領先的數據中心液體冷卻技術，預計在五年預測期內將繼續保持領先地位。然而，預計雙相DLC將在預測期內顯著增長。Beran表示，流體創新將在浸沒冷卻的成功中發揮重要作用。 2023年數據中心液體冷卻收入方面，CoolIT Systems、Boyd和Motivair是前三大供應商。Beran還指出，Nvidia已指定單相DLC為支持其即將推出的GB200計算節點的冷卻技術。 Nvidia GB200系列的高端產品NVL72系統是一個72節點的液冷機架級系統，適用于最計算密集的工作負載。每個DGX GB200系統配備36個Grace Blackwell超級芯片，包括72個Blackwell GPU和36個Grace CPU，通過最新一代的NVLink互連技術連接。 Dell'Oro報告中預測的第三種技術——浸沒冷卻——涉及將服務器、網絡設備或其他設備直接浸入不導電的液體中，該液體作為冷卻劑，直接吸收設備產生的熱量并將其傳遞出去。與傳統的空氣冷卻相比，浸沒冷卻技術支持更高的服務器密度。 “對浸沒冷卻有很大的興趣，因為從工程角度來看，它提供了最佳的熱管理性能，”Beran表示。“它提供了比直芯液體冷卻更好的熱管理性能，因為沒有與其相關的空氣冷卻，幾乎可以捕獲服務器產生的100%的熱量。這使得企業有機會實現最佳的能源效率。” 然而，浸沒冷卻的技術復雜性和生態系統正在減緩其采用速度，Beran說。 “對于浸沒冷卻罐，您需要確保電纜與浸沒冷卻罐兼容，需要有懂得如何部署和設計這種基礎設施的承包商，”Beran表示。“與其他形式的液體冷卻（如直芯液體冷卻）相比，浸沒冷卻需要更多的教育和更多人的參與。” 盡管如此，單相浸沒和雙相直芯液體冷卻正在進行測試、驗證和概念驗證工作，這為供應商帶來了不斷增長的市場。另一方面，雙相浸沒冷卻（涉及液體浸沒和氣體收集）在采用過程中面臨挑戰，尤其是PFAS流體使用的監管環境。 PFAS，即全氟和多氟烷基物質，是浸沒冷卻中使用的一類化學品。3M公司是PFAS的最大生產商之一，該公司在2022年表示將于2025年底前停止制造和使用PFAS材料，出于環保原因，這對浸沒技術領域造成了沖擊。 “盡管如此，仍有很多創新，我的研究表明，浸沒冷卻有機會在未來五年內在市場中占據一席之地，”Beran說。“但在我的預測期結束時，單相直芯液體冷卻仍占據市場的一半以上，而浸沒冷卻不到25%。” LiquidStack在Cisco Live上展示液體冷卻 在最近的Cisco Live活動中，浸沒冷卻技術開發商LiquidStack展示了其技術，吸引了大量關注。 “我認為我們的客戶需要對這種目前處于早期階段的技術做出決定，”Cisco光學系統和光學部門高級副總裁兼總經理Bill Gartner在活動中表示。“液體浸沒可能很昂貴，但客戶將權衡這一點與未來高效運行數據中心和AI系統的電力成本。” 其他浸沒冷卻領域的參與者包括Submer、Aperitas、富士通和Green Revolution Cooling。 -
到2031年，物聯網零售市場規模將擴大至4649億美元 InsightAce Analytic Pvt. Ltd. 宣布發布全球零售物聯網市場評估報告。根據 InsightAce Analytic 的最新研究，2023 年全球零售物聯網市場價值為 578 億美元，預計到 2031 年將達到 4649 億美元，預測期內（2024-2031 年）的復合年增長率為 30.1%。物聯網 (IoT) 正在通過增強客戶體驗、優化運營和實現新商業模式來改變零售市場。智能貨架、信標和聯網設備等物聯網技術可提供實時數據和對庫存水平、客戶偏好和商店流量模式的洞察。這些數據使零售商能夠更有效地管理庫存、個性化營銷工作并簡化供應鏈運營。此外，支持物聯網的設備可以通過自動結賬、交互式顯示和基于購物者行為的定制促銷等功能改善店內體驗。隨著物聯網的普及，它有望推動重大創新和效率提升，幫助零售商在快速發展的市場中保持競爭力。全渠道零售的興起，由無縫整合線上和線下購物體驗的物聯網技術推動，正在促進市場增長。此外，物聯網智能商店的日益普及，零售商使用互聯設備和傳感器提供沉浸式和個性化的購物體驗，進一步加速了市場擴張。驅動因素：物聯網 (IoT) 在零售市場的增長由幾個關鍵因素推動。其中包括對增強客戶體驗的需求不斷增長以及對高效庫存管理的需求。物聯網技術使零售商能夠收集有關消費者偏好和行為的實時數據，從而實現個性化營銷策略。此外，物聯網解決方案提高了供應鏈的可視性和運營效率，降低了成本并提高了生產力。智能設備知識和采用率的提高以及物聯網技術的進步進一步推動了市場增長。此外，物聯網與機器學習和人工智能等新興技術的結合增強了零售運營中的決策過程和預測分析。挑戰：在實施物聯網 (IoT) 時，零售市場面臨諸多障礙。一個重大障礙是確保數據的安全性和隱私性。由于物聯網設備收集了廣泛的數據，保護這些數據免遭泄露并確保客戶隱私變得越來越困難。另一個挑戰是將物聯網系統與現有的零售基礎設施集成。零售商經常面臨兼容??性問題，并且需要大量投資來升級其技術。此外，管理和維護互聯設備網絡的復雜性可能令人難以承受，需要專業技能和知識。此外，技術進步的快速步伐意味著零售商必須不斷適應以保持競爭力，這既昂貴又耗費資源。區域趨勢：北美零售市場的物聯網預計將占據主要市場份額。這一增長歸因于零售行業店內和數字運營的整合，RFID 標簽和智能貨架等技術使零售商能夠高效管理庫存并增強購物體驗。預計亞太地區 (APAC) 將成為增長最快的市場，預計 2024 年至 2031 年的復合年增長率將非常可觀。這種快速而持續的增長是由互聯網普及率、智能手機使用率和電子商務活動的不斷提高推動的。這種數字化轉型營造了一種有利于在客戶互動、營銷策略和虛擬體驗中采用數字化身的環境。最新發展： 2024 年 1 月，IBM Corporation 與 SAP SE 合作創建解決方案，旨在幫助消費品和零售行業的客戶通過使用生成式 AI 優化其供應鏈、財務運營、銷售和服務。 2023 年 12 月，HCL Technologies (HCL) 與 SAP 建立合作伙伴關系，開發和提供與各個行業相關的物聯網解決方案和服務。HCL Technologies 將把相關的 SAP 軟件與服務和硬件捆綁在一起，以加快和簡化組織在實施工業 4.0 轉型時遇到的分散而復雜的解決方案堆棧。 -
數據中心災難恢復：業務連續性的必要措施 從短信和流媒體服務到關鍵的政府、教育和醫療保健應用，數據中心為我們日常生活提供了便利。隨著世界比以往任何時候都更加依賴數據中心，確保這些設施保持安全和正常運行至關重要。因此，數字基礎設施組織必須制定強大的數據中心災難恢復計劃。 什么是數據中心災難恢復？ 盡管在避免數據中心在建設階段停機，以及在運行后通過備份和輔助電源方面已經取得了進展，但數據中心仍然容易受到不可預見的情況的影響，包括自然災害、人為錯誤和網絡攻擊。盡管不可能預防每一場災難，但組織必須盡一切努力做好最壞的準備。確保數據中心做好應對意外情況的準備的最佳方法是制定一個強大的數據中心災難恢復計劃。 數據中心災難的類型 停電 停電通常是數據中心停機和系統故障的主要原因。這可能導致重大損失，無論是收入還是客戶信心。企業越來越多地轉向混合提供商和云服務，以確保其數據由冗余系統備份，并限制受潛在停電影響的客戶數量。 人為錯誤 人都會犯錯，因此這是不可避免的，但在數據中心運營商可能遇到的災難中，人為錯誤的風險可以通過采取正確的預防措施大大降低。過去三年，近40%的組織因人為失誤而遭遇過重大中斷。在這些事件中，85%的原因是工作人員未能遵守程序，或流程和程序本身存在缺陷。人為錯誤的例子包括意外斷開電源、電路過載或不安全的結構設計。 網絡攻擊 雖然停電、結構損壞和人為錯誤是造成許多數據中心災難的原因，但包括勒索軟件在內的網絡攻擊也是數據中心面臨的主要威脅，而且這些網絡攻擊的代價同樣高昂。根據報告顯示，2022年全球三分之二的組織遭受了網絡攻擊，業務因攻擊而平均中斷五天。 為什么數據中心需要災難恢復計劃 面對眾多運營風險，災難恢復計劃可以說是應對數據中心緊急情況的最重要的一步。一個真實事件很好地說明了這一點：2021年10月15日，韓國兩大科技公司KakaoCorporation和NaverCorporation發生火災。雖然Naver能夠相對較快地啟動并運行其服務器，但Kakao的服務器卻癱瘓了數小時，導致用戶突然無法使用他們的消息平臺、支付應用或拼車服務，從而遭受廣泛而嚴重的中斷。重要的是，盡管Kakao確實制定了災難管理協議，但該協議并未考慮到火災發生時的斷電情況，從而延緩了服務恢復工作。從這一事件中吸取教訓后，Kakao成立了一個預防再發委員會，以防止類似事件再次發生。數據顯示，企業越來越認識到災難規劃的重要性，近90%的組織都有某種形式的災難恢復計劃。然而，與此同時，大多數受訪者(70%)只將很少的預算(0%-10%)分配給災難恢復規劃。一個問題是，災難恢復規劃主要是IT工作者的責任，很少直接向高管匯報。災難恢復計劃對高管層的可見性有限，只有41%的災難恢復計劃負責人向高管層匯報。不過，在今年的調查中，我們看到同樣多的受訪者表示，災難恢復負責人的下屬比高管層低兩個級別，這一比例比我們上次調查中的26%大幅增加。在組織中提升這一職位可以加強與整體業務需求的一致性，并增加獲取資源的機會，以確保關鍵業務的技術彈性。 面向未來的數據中心建設 雖然無法預防自然災害，但數據中心開發商正在設計更能抵御極端天氣、火災和地理要求的設施。每個數據中心的設計都必須考慮到其所在地的具體地理位置，研究最佳建筑材料、施工技術和設施布局，以抵御自然災害力量，同時遵守IBC2003規范。設計冗余電源和冷卻系統，以便在暴風雨中也能繼續運行。結構分析驗證了定制的建筑材料、施工方法和布局，以抵御極端風力和隆起。所有支持設備（包括發電機等）都在數據中心內部，這意味著內部設備受到保護。 制定數據中心災難恢復計劃 確定數據中心的關鍵任務服務 在制定災難恢復計劃時，了解哪些服務是關鍵任務至關重要。一些企業處理災難恢復的一種方式是通過彈性和可靠性實踐，這允許組織通過包括異地備份來從中斷中恢復，這可能具有用于故障轉移的輔助基礎設施。 考慮成本 不僅要考慮停機或結構損壞的成本，還要考慮數據中心服務對誰的影響，以及自然數據中心災難對當地社區意味著什么。數據中心災難可能會破壞當地社區服務，如政府職能、公用事業、醫療保健和互聯網接入，災難恢復計劃應考慮對公民生活的直接和間接影響，并提供應急計劃，以便在停電期間實現基本的社區功能。災難恢復計劃應考慮在災難期間提供替代的社區‘接入點’，例如WiFi連接的災難恢復中心，公民可以在那里提出索賠并與親人聯系。運營商應與當地官員協調災難恢復計劃。” 實施安全最佳實踐 在網絡安全方面，隨著攻擊者的攻擊方法越來越復雜，數據中心IT必須通過定期備份、端點保護、頻繁滲透測試和持續的員工培訓來加強安全實踐。備份數據是災難恢復的關鍵挑戰之一。數據中心運營商可能會選擇基于SaaS的備份，從而限制對本地服務器管理的需求。SaaS數據托管在線，可從任何地方訪問，從而確保在設施無法訪問的情況下繼續運營。基于SaaS的備份提供固有的災難恢復，因為SaaS數據存儲在遠程，可提供冗余。SaaS提供商管理底層基礎設施和災難恢復，減輕組織的負擔。 制定災難恢復計劃 數據中心災難恢復計劃應根據組織的特定需求進行量身定制，制定全面計劃后，組織必須確保所有關鍵數據中心員工都了解宣布緊急情況的協議。此外，組織必須經常測試其事件響應和災難恢復計劃，其中可能包括模擬災難場景。除了建立一個災難恢復設施，以便在發生大規模中斷時轉移關鍵服務之外，還應關注其事件響應程序。 -
生成式人工智能：可再生能源管理的新前沿 生成式人工智能：可再生能源管理的新前沿 生成式人工智能正在改變各個領域，而可再生能源管理處于這一變革的最前沿。通過利用人工智能的力量，企業正在優化能源生產和消費，降低成本，提高可持續性。本文將探討生成式人工智能如何在可再生能源管理方面取得重大進展，其好處、挑戰和未來前景。 可再生能源管理的生成式人工智能生成式人工智能是指人工智能的一個子集，其可以根據訓練過的數據創建新的內容和解決方案。事實證明，這項技術將改變可再生能源管理的游戲規則。從預測能源生產模式到優化能源儲存和分配，生成式人工智能正在幫助最大限度地提高可再生能源系統的效率。可再生能源領域一直面臨著與能源生產、儲存和分配的可變性相關的挑戰。傳統的方法往往不能有效地管理這些變量。然而，生成式人工智能分析大量數據和生成預測模型的能力提供了一種更有效和可持續的方法。生成式人工智能如何增強可再生能源管理1.預測性維護：生成式人工智能可以在設備發生故障之前預測故障，減少停機時間和維護成本。通過分析歷史數據和實時傳感器信息，人工智能系統可以識別潛在問題的模式，從而實現主動維護。2.能源生產預測：準確預測能源生產對有效的可再生能源管理至關重要。生成式人工智能模型可以分析天氣模式、歷史數據和其他變量，以提供精確的預測，確保最佳的能源生產和分配。3.優化能源存儲：可再生能源的一個重大挑戰是存儲。生成式人工智能可以通過預測能源需求和供應來優化能源存儲解決方案，確保多余的能源被有效存儲和使用。4.電網管理：將可再生能源納入電網可能很復雜。生成式人工智能有助于平衡供需，管理電網穩定性，并通過優化電網中的能源流動來減少能源浪費。5.需求響應：生成式人工智能可以分析消費模式，調整能源分配，有效滿足需求。這不僅保證了穩定的能源供應，而且通過避免生產過剩和能源浪費來降低成本。生成式人工智能在可再生能源管理中的好處1.提高效率：生成式人工智能通過優化發電和電網運行來改善能源系統，因此對降低運營成本和提高能源產量有重要幫助。2.節省成本：定期維護計劃與存儲系統的最佳操作和有效的電網管理相結合，有助于顯著降低成本。這些盈余將由企業進行再投資，用于開發新的清潔能源解決方案和增加替代能源領域。3.可持續性：生成式人工智能通過最大限度地利用可再生能源，和最大限度地減少浪費來支持可持續實踐。這與減少碳足跡和應對氣候變化的全球努力是一致的。4.提高可靠性：再一次，人工智能的使用及其預測問題的能力意味著總是提供充足的能源。這種可靠性在可再生能源的發展中是非常必要的，因為它們可以用作化石燃料的替代品。5.可擴展性：通過生成式人工智能，可以擴展可再生能源系統的管理。因此，隨著可再生能源消費量的增加，人工智能家電可以最優地管理生產、儲存、分配。挑戰與考慮雖然收益顯著，但在可再生能源管理中實施生成式人工智能存在挑戰。這些包括:1.數據質量和可用性：人工智能生成器的應用依賴于數據，因此高質量的數據可以增強生成式人工智能的結果。當提供給人工智能的信息不一致或以某種方式包含空白時，人工智能的有效性和精確性就會受到影響。2.與現有系統集成：另一個潛在的缺點是，實施人工智能解決方案往往很困難，因為它們必須與現有的能源管理系統集成，而與后者集成可能需要大量的時間、金錢和員工培訓。3.監管和道德問題：當考慮在能源管理中實施人工智能時，需要考慮許多法律和道德問題，例如數據收集和使用有偏見的算法的可能性。4.高昂的初始成本：采用AI解決方案需要在技術、系統和專業人才方面進行大量的資本投資。然而，從長遠來看，成本通常會通過相應的效率和資源利用來收回。生成式人工智能在可再生能源管理中的未來可再生能源管理中生成式人工智能的未來似乎是積極的。隨著時間的推移，人工智能將進一步發展，以更有能力管理現有的能量系統類型。未來的發展可能包括:1.先進能源存儲解決方案：人工智能將成為先進能源存儲解決方案的主要利益相關者，下一代電池和節能技術將在其中。2.去中心化能源網：人工智能生成的解決方案將創建去中心化能源網，其中能源在當地產生和消耗，從而減少對骨干工廠的依賴并提高電網的耐久性，這幾乎是不可能的。3.人工智能驅動的政策和法規：政府和當局可以利用人工智能作為糾正、公平和可再生能源的手段，這將使向可再生能源提供電力，同時消除有害行為的發生。4.全球合作：人工智能將使各國能夠通過共享數據、技術和最佳實踐，共同致力于世界各地的可再生能源項目，以實現可持續的未來。5.以消費者為中心的解決方案：人工智能將允許消費者控制其能源消耗，為其提供個性化的建議和工具，以優化個人層面的能源使用。總結生成式人工智能有可能改變可再生能源的管理方式，使其更高效、更便宜、更可持續。盡管人工智能存在障礙，但在能源供應鏈中使用人工智能的好處是絕對的。隨著時間的流逝，生成式人工智能將成為能源轉變的中心，并將在未來的可再生能源中發揮更大的作用。在實現全球能源目標，并為人們提供可持續和穩定的能源未來的持續旅程中，技術采用將是一個優先事項。 -
超大規模數據中心助力人工智能革命 科技的最新進展讓日常用戶能夠使用人工智能 (AI) 和機器學習 (ML)。人工智能推動了幾乎所有行業領域的創新，其適應和響應不斷變化的需求的能力創造了令人興奮的新機遇。從我們駕駛的汽車到構成農業行業未來的智能農場，很難找到一個不會被人工智能改變的行業。人工智能應用的興起推動了對先進基礎設施的需求，這些基礎設施將提供更快的數據速度、更大的帶寬和更高的頻率。為了滿足人工智能爆炸式增長所帶來的日益增長的需求，這些架構需要具備規模和快速重新配置的能力。超大規模數據中心的興起數據中心是我們現代網絡基礎設施的重要組成部分。數據中心的普遍形象是一座大型倉庫建筑，里面擺滿了一排排的計算設備。許多數據中心都是由單個組織（無論是商業組織還是政府組織）擁有的企業數據中心。這些專用服務器在本地處理信息，控制自己的數據需求。雖然這些通信中心是數據處理解決方案的一部分，但它們只是整體戰略的一小部分。超大規模數據中心將提供推動 AI 革命的計算能力。顧名思義，超大規模設施比傳統數據中心大得多，可滿足眾多用戶的需求。隨著 AI 等數據密集型應用的增加，超大規模數據中心的數量也在大幅增加，規模也在不斷擴大。可擴展性和靈活性人工智能應用的復雜性和多樣性意味著每個超大規模的安裝都將是不同的，每個安裝幾乎位于世界上的任何地方。這就產生了對高度靈活的解決方案的需求。客戶希望從最新數據網絡的改進性能中受益，并且必須確信他們的設備能夠滿足他們的需求。因此，根據數據需求靈活擴展對于滿足客戶期望至關重要。電連接器是實現快速重新配置的關鍵。連接器傳輸電力和信號，同時確保通過它們的數據的質量，這就是信號完整性 (SI) 發揮作用的地方。SI 描述了通過連接器和電纜傳輸的電信號的質量。最新的連接器具有低調、小尺寸和減小的引腳間距的特點，使其適用于最新的緊湊型服務器應用。通過密閉空間的高密度信號可能會引起串擾。因此，信號傳輸所經過的電纜、連接器和印刷電路板 (PCB) 走線都是專門為保持 SI 而設計的。隨著超大規模數據中心的出現，信號完整性變得至關重要，為此，Molex 開發了一系列 AI 和 ML 解決方案，幫助確保數據處理的可靠性和性能。最大限度地減少信號損失是一項挑戰，尤其是在數據密集型 AI 應用中。使用傳統的 PCB 安裝連接器時尤其如此。Molex 的高速直連電纜 (DAC) 為這一問題提供了一種先進的解決方案。DAC 提供高達 100Gbps 的傳輸數據速率，并提供現成的和定制的長度。對于機架式服務器應用，Molex 創建了板對板 224Gbps-PAM4 連接器解決方案，例如 Mirror Mezz。這些連接器采用可堆疊配接的薄型設計，每差分對可提供高達 56Gbps 的數據速度，非常適合超大規模數據中心使用的高密度服務器。超大規模數據中心的電力電力在我們數據網絡的未來中發揮著巨大的作用。雖然確切的預測因來源而異，但據估計，到本世紀末，全球發電量的 4% 將用于數據中心。[1]?雖然 SI 對通信質量至關重要，但電力分配對于確保超大規模數據中心的平穩運行也同樣重要。高效使用電力對于降低運營成本和提高性能至關重要。配電和模塊化基礎設施對于擴展也至關重要。模塊化電源使數據中心能夠根據需要增加容量，而不會中斷現有運營。硬件加速在數據中心核心的高效計算中發揮著重要作用。硬件加速允許將特定計算任務轉移到系統內的專用硬件組件，從而實現比僅在通用 CPU 上運行的軟件更高的效率。結論人工智能系統正在改變我們處理數據的方式。為了充分發揮其潛力，人工智能系統將依賴超大規模數據中心來提供快速響應不斷變化的需求所需的靈活性和可擴展性。連接性對于最新 AI 架構的性能和模塊化至關重要。Molex 正在解決提供靈活性和易用性的復雜挑戰，以滿足 SI 和高速數據所需的最新標準。Molex 解決方案平衡了更小尺寸和更高密度的需求，可提供未來超大規模數據中心所需的性能。 作者：David Pike