[全球网络技术记者Zhang Yang]当时数字浪潮渗透到了世界，其强度过高，数据成为推动社会发展和工业变革的主要要素，并且其规模以指数级的速度增长。特别是在人工智能（AI）技术的逐步时代，该模型的大技术已成为科学技术领域发展的主要热门话题。指的是大型模型发展速度的“计算能力”已成为街头和车道上的热门话题，但是“权力储蓄”的主题使许多人感到高兴。因此，称为“维护”表示数据存储能力。尽管全球数据量继续以36％的年增长率扩大，但预计到2030年，萨汉将达到YB水平。存储这些大量数据的效率和安全性对于允许计算的能力释放其效应的能力是必不可少的人工智能模型中的ESS。因为一些评论也认为“计算的强度决定了人工智能的底线，并且数据决定了人工智能的上限。”根据行业和信息技术部以及其他六个部门发布的“计算能力基础设施高质量开发的行动计划”，计算强度是一种新型的生产力，它结合了信息计算信息，网络交付能力和数据存储强度。在此背景下，计算和安全强度的力量是DA VolueWell发行的“双引擎”，它成为了新基础设施竞争的战略指挥。最近，为了更好地探索我国家安全发展的当前状况，挑战和未来趋势，由中国信息与通信技术组织组织的“向中国旅行”被正式推出。它的第一站进入广东，并建立了一个为该行业进行深入交流的平台。 “生存中国之旅”进入广东，并研究广州Huaankang Medical Group Co，Ltd的当前发展状况（从此处指定为Huaankang Group）是一项独立的医学测试，并且是病理学诊断为主要的诊断。作为国内病理服务的先驱，Huaankang集团开始共同建立一个“ Huyinkang病理诊断中心”，并在国内外大型大学都有大型大学。目前，已经建立了一个覆盖31个省和地区的医疗实验室网络，为全国12,800多家客户提供服务，那里已经建立了近700家医疗机构的高层病理部门。 Huaankang Group继续制定围绕智能病理发展的计划，依靠“ Data-Algorithm-Scenario”全链技术封闭循环，并建议四对一的“ AI+SYS）TEM+设备+资源”为行业提供的服务模型，以提供模块化病理解决方案。为支持233家病理专家和100个标签专家的团队，我们将诸如DeepSeek之类的大型模型技术深入整合，以将各级提供各个级别的机构与数字病理学家创造，病理学诊断，病理学诊断，病理学的结构性疾病，并具有完整的病理性促销和管理，并具有成熟的病理学，并具有成熟的病理学，并且一个例子，胃活检的诊断是复杂的。诊断建议，将输出热图和颜色水平地图，以帮助医生迅速发现弱点 - 受伤的伤口，最后要诊断出NG病理学家。在其开发中会发现一个主要问题是存储数据。在整个小组中测试的样本的年度数量约为4000万。每个完整的病理图像都需要约1 GB的存储空间。同时，有必要确保可以快速调用这些图片以诊断和诊断AI和病理学家。如果所有这些都充分使用和存档，则存储和设备的成本将是天文学的。因此，Huaykang使用切割方法来处理病理图像数据，仅维护病变位点的切片，并采用由存储系统分发的华为来生成安全，高效且测量的高级存储功率，并通过强大的压缩技术来减少存储空间压力。尽管如此，存储容量需要每年在小组的计算机室中扩展仍处于PB级别。数据分解促进了新基础设施中Huaankang群体面临的问题的安全性，可以说是AI时期开发的缩影。随着人工智能增长的爆炸和指数跃升至数据总量，存储从传统的“数据容器”飞向了一个战略基础，以支持高质量的数字经济发展，以及激活数据因素价值并培养新质量生产率的主要机器。中国信息与通信技术学院副校长Wang Zhiqin表示，我国安全的建设取得了惊人的成果。到2024年底，寄生的安全量表达到1,580EB，高级存储的比例增加了28％。但是，我们仍面临诸如“存储但未使用，不使用但未使用”之类的挑战，核心芯片，S始终需要提高存储，计算和操作效率的需求。直到今天，他通过了三个主要建议：探索最佳道路和分享最佳技能；专注于服务幸存者的普遍和高效的服务；加强生态结构的技术研究和工业合作。华为数据存储线和业务发展部的总裁王Xudong也非常同意。王Xudong直接指出了与记者的独家采访中的观点：“ AI时期是戈尔登时代的数据时代，这也是计算能力和存储的协调演变的时期。”在诸如DeepSeek之类的大型模型上已经能够浪费工业变化之后，数据已从“睡眠资产”转变为“睡眠资产”的主要因素。记者采访了王Xudong并发现：一方面，国家数据产品的数量Ction在2024年达到41.06 ZB，每年增加25％，并且在传统建筑下的数据岛问题很严重，这对数据管理不佳。在技术层面上，这种矛盾尤其是众所周知。当AI进入多模式时期时，对异质数据融合（例如文本，视频和图像）的需求已经向前发展，传统的网络体系结构将不再支持它。 Wang Xudong以医疗行业为例：“当医院建立AI模型时，标签的空位数据非常昂贵，并且数据制备周期在传统方法下需要数月。”这就是为什么生存中心的建设一直在整个时间内建造的主要原因 - 它构建了一个封闭的环数据系统，从资源到所有财产：规模组装，良好的治疗，安全供应和工业追求点，并形成了计算能力基础设施的补充，以及TOG的基础设施破坏数据的以太是“数据丰富，但价值不良的工业困境。政策的水平也很显着。国家的数据，工业和信息技术部以及其他部长以及其他部长以及委员会的特定建议，旨在促进行业和行业中的领域的建设，从而促进行业和构建策略驱动力的概念，并促进了一个范围的范围。 Wang Xudong强调了基础架构。 一个D行业，华为Omni-Dataverse实现了全球纪念，管理和通过三个主要创新来管理和获得数据：首先，建立统一的数据视图，通过nag nag nag nag nag nag nag解决了“数据”，并意识到财产，更新和等待的注册量的0下降；其次，依靠智能情报，自动标记100亿个数据，支持第二级搜索；第三，开发自定义数据循环机制，用户可以根据需要设置跨区域和跨设备共享技术。出色的治疗方法：AI期间的数据质量锻造工厂。 “与AI大型模型具有竞争力在很大程度上取决于高质量的数据集。” Wang Xudong以完整处理的AI工具链模型为示例，以说明如何通过启用数据，启用模型和启用应用程序来提高数据管理效率。在Ruijin医院病理学大型模型项目中，基于工具病理数据标签周期缩短了80％，大大降低了启动AI模型的成本。更重要的是，ModelEngine涵盖了“预处理模型训练应用程序部署”的整个过程，缩短了单个癌症业务中AI应用的在线周期80％，为在医疗和制造业中实施模型提供了加速器。安全供应：可靠的数据循环保护网络。数据循环的要求是安全性和值得信赖的。华为建立了一个可靠的数据空间，该数据空间结合了软件和硬件，以确保来自技术和管理的双重大小的数据流：技术采用了可信赖的循环技术，安全芯片安全保证和端到端交付；管理层建立了30多个数据控制技术，以实现完整过程的日志审核。 “这就像将'保护膜'放在数据上，以便提供者和用户都可以肯定。”王徐大指出，该安全系统不仅符合合规性要求，而且还解决了与领先企业共享数据共享的基本问题。在医疗领域，通过分离技术和权利使用，许多A级医院都被提升为获得数据安全份额。使用该行业：在大规模集成之后，包括数据量表和集成，有必要促进深层的“数据 +行业 +方案”集成，以产生从收集到管理应用程序的积极周期。 Wang Xudong宣布，在特定的车辆制造商的情况下，该公司不仅依靠幸存中心来收集内部业务数字，并集成了外部数据，例如城市，财务，充电堆等，这为后续业务数据申请服务奠定了基础，并为政府部门提供系统的监管服务。从媒体沦陷到生态的协调的道路y。尽管甘利中心已经广泛发展了前景，但王徐东也公开教授了该行业目前面临的三个主要挑战：“超过80％的国内数据仍存储在机械硬盘上，并且该领域的主要技术已经出现了很长时间了。” Wang Xudong呼吁加快应用程序和更改全闪存媒体。他强调说：“圭恩利行业的发展必须建立一个独立和受控的工业链，从芯片到整个机器再到应用程序，以生产完整的技术生态系统。这不仅是一项安全要求，而且是升级该行业的不可避免的途径。”人工智能应用程序通过了新的存储要求：培训百万级参数模型需要最终的性能支持，而推理情况需要长期的记忆存储能力。通过存储和计算合作的体系结构，华为提高了AI CLUS的使用率在培训方案中，TERS提高了30％，在情景巨星方案中的数据吞吐量增加了60％。 Wang Xudong建议：“ AI存储应包括在国家关键技术计划中，促进工业标准的制定，并通过现代技术增强我国在全球高端存储中的竞争力。”目前，我国家的灾难恢复率仅为34％，低于发达国家的水平，并且依靠开放的软件资源很高，从而导致安全风险。华为已经启动了灾难恢复解决方案，该解决方案可以在业务失败时达到一分钟的水平，同时通过自开发的操作系统减少对开放资源组件的依赖。 “数据安全是生存中心的生命线，在政策，创新技术和生态合作的指导下，需要一项多管齐下的战略，以建立独立和控制的安全基础。ated." As electricity changes at the age of industrial, the care is to determine the new industrial condemnation -following the AI period. " -PUNITY from three dimensions: at the technical level, storage devices are not only data containers, but also change data processing centers as a hub, a complete industrial chain of data collection, management, transactions, and applications will develop, and the emerging professions such as the services of the data and the data providers of the数据服务的数据服务以及数据服务的数据服务以及数据服务以及数据提供商的数据服务以及数据服务的数据服务。将会增加新职业，例如提供数据服务和AI培训师的人；在社会层面上，数据将是水和电力等公共资源，并且通过有效的预防中心分配，它将促进SMART实施的庞大实施城市，医学准确性和其他情况。从计算的力量到存储的力量，从数据资源到数据资产，都会发生 - 深度工业变化。
