数字时代,AI、大数据、5G等数字技术快速发展和迫切需求的落地,全球每天就产生超过500亿GB的数据,导致数据存储场景和需求指数级增长。
中国电子云作为中国电子打造、原生于PKS体系的新一代基础设施,在中国电子“坚底强链”战略下,向下不断夯实IaaS,向上丰富PaaS产品。
存储作为云计算最重要的服务之一,近日中国电子云正式发布首款自研分布式存储产品CeaStor以及CeaStor10000系列产品,云计算版图得到进一步完善。
从“新”开始,轻装上阵的CeaStor
如今,数字技术不断发展迭代。作为“后来者”,中国电子云此时推出云存储产品背后有怎样的思考呢?
IT技术一直在不断进化,比如现在云计算谈云原生,中国电子云也强调自己的云原生特色。同样,对于存储而言,新的技术趋势不断涌现,比如云原生、软硬一体、闪存化、国产化等。

中国系统高级副总裁、CTO朱国平告诉记者,中国电子云没有那么多历史包袱,面向未来,从“新”开始,轻装上阵。
在存储市场处于技术升级的背景下,CeaStor存储产品并没有沿用常见的开源技术,而是基于“安全、先进、绿色”设计理念,打造全自研的分布式存储产品。
朱国平表示,CeaStor核心技术团队在设计理念方面比较默契,立足统一架构,CeaStor打造了面向未来的磐石架构,全用户态协议栈,无限压低时延;并支持端到端NVME协议,通过RDMA智能加速充分发挥硬件能力。
此外,CeaStor生于云,服务于云,是真正的云原生存储系统,可以为用户提供声明式存储资源供给服务,提供更多开放性可编程接口,并利用云原生技术,实现高度自动化运维以及存储的“敏捷开发、敏捷发布”。
对于存储产品而言,性能是客户非常看重的。CeaStor在规模上支持用户在线扩展,单集群规模可高达10000+个节点,单节点随机读写性能可高达50万IOPS,且随节点数线性增长。
在安全和可靠性方面,CeaStor具备PKS原生安全、云原生安全和合规安全,具有安全为先、一数多用等特点,同时,CeaStor存储支持多副本和纠删码,异地容灾等多种冗余保护措施,为用户提供多层级的数据保护和容灾功能,进一步实现了用户数据存储的极致可靠。此外,通过软件定义SSD,CeaStor实现延长磁盘寿命,提高磁盘读写能力,并降低关键业务读写时延。
在降本增效方面,CeaStor将块、对象、文件等存储协议打通,实现一池多用,并采用动态EC提高了磁盘得盘率,并将算子下沉,进一步降低网络负载,简化上层应用,提升了计算速度。更为关键的是,CeaStor支持QLC作为存储介质,利用软件优化弥补了QLC介质的缺陷,让用户在拥有的高性能的同时,还实现了最优的成本。
在产品交付方式,CeaStor10000系列产品不仅可以为用户提供云上的云盘、对象、文件和大数据存储服务,还可以为用户提供超融合产品和SDS产品(软件定义存储),实现更大范围的用户群覆盖。

例如超融合产品可以帮助那些中小规模运营能力和技术能力比较薄弱的企业,而且超融合产品可以集成中国电子云的入口,并提供混合云部署选项。
中国电子云的存储超车之道
朱国平说,存储不是一个蓝海市场,增长迅速但是竞争激烈,中国电子云一方面将CeaStor与自身其他产品进行紧密集成,另一方面也会服务于集团的客户。“针对信创市场,我们会与集团旗下的企业展开合作,比如飞腾服务器基于CeaStor存储进行适配测试和性能优化,实现组合优化,满足行业的国产化需求。”
作为数据底座,存储产品的门槛高、投入大,从酝酿到成熟,极具挑战且需要不断坚持。
据悉,中国电子云正加快打造研发人才队伍,目前在北京、武汉打造了研发中心总部,在南京、成都、杭州、合肥设立了特色研发中心,深圳的特色研发中心也计划在今年投入使用。
在2022年,中国电子云将秉承IaaS产品自研,PaaS产品自研+合作,SaaS产品则通过中电蓝信+生态合作的方式,不断开拓市场、扩充产品体系、加强研发创新体系建设,为政府、央企国企、公共服务机构以及金融机构客户提供更多服务。
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。