123
作为 IT 从业者，我们可能有时会冒出这样一个想法，那就是：未来社会的数字化生存到底是一种怎样的体验？
这一原本只能在科幻电影中畅想的场景，却因为新冠疫情的到来，真实地在物理世界中提前出现。在严格防疫的那段时间里，物理世界像被封印一般，只保留最低限度的运行，让我们切实感受到“零接触”社会的到来。
数字世界，在这段时间几乎占据了我们绝大多数的时间。云办公、云网课、云会议，以及游戏、娱乐、消费等大大小小生活事项都在通过数字世界实现。很多人可能已经意识到，只要我们愿意，数字经济完全可以全面接管物理世界的绝大部分活动了。
而对于各行各业，特别是传统行业的从业者而言，因为线下业务的停摆，恐怕更能深刻认识到互联网、5G、AI 等数字技术对于产业转型的重要意义。
与此同时，我国政府适时推出的“新基建”的发展规划，正式将新一代信息技术和数字产业作为推动社会经济发展的基础设施，为我国产业的数字化、智能化全面发展提供了最佳契机。
企业的数据中心和云计算中心，成为支撑疫情期间海啸般的数据洪流，满足企业和用户“数字化生存”的幕后英雄；也是此次“新基建”中重点建设的核心基础设施之一。
数据中心，也正在成为驱动企业数字化、智能化转型的连接器，而构建数据中心基础设施的服务器企业正是推动企业转型升级的排头兵，高可靠、高性能和可扩展性的服务器成为满足新一代数据中心的关键。
数字化进程方兴未艾，智能化又加速而来。得益于机器学习、深度神经网络等人工智能技术的突破，AI 正变得无处不在，成为驱动未来社会变革的颠覆性技术，也成为企业在数字经济中能否成功转型的决定性力量。
面对迅猛增长的海量数据以及日益增长 AI 算力的需求，如何实现对海量数据的智能处理和应用，成为所有企业在智能化转型过程中都需要解答的一道难题。
我国服务器企业中，谁能为客户解答这一难题，为企业和数据中心提供稳定、可靠的算力支持？谁才能在智能化产业格局中赢得未来的生机，真正成为千行百业的“算力底座”？
出题：数据中心的 AI 大考
互联网数据中心（IDC）在两年前预测，到 2020 年，下一代应用和新的 IT 架构的需求将迫使 55%的企业升级现有设备或部署新的设备。而到今天，我们看到新一代的应用和 IT 架构体系已经出现并迅速发展，那就是 AI 技术在企业数字业务中的应用普及，以及由此引发 IT 架构智能化的深度变革。
智能数据中心，正在实现对海量数据更智能化的分析和更高效的利用，以及对服务器工作负载的优化配置，成为企业智能化转型和云计算中心升级的必然选择。
不过，对于很多企业而言，如何抓住这一企业智能化机遇，如何更高效地搭建智能的数据平台，如何将 AI 技术应用到企业的数字化生产当中，其实存在着相当高的认知壁垒和技术难题。
面对日益增长的海量数据和 AI 应用带来的挑战，企业在数据中心的建设和升级过程中，必须意识到 AI 在算法、算力和数据这三要素上，对于服务器所提出的全新要求。一套能够成熟应用的 AI 算法模型，需要完成对于海量数据的大规模训练学习，对算力也必然产生指数级的增长需求。
而这些正构成当前数据中心和云计算中心所要应对的三大考验：
一、海量数据的存储和计算需求。数据中心的服务器需要配置高性能的工作负载和高效的数据采集速度来满足海量数据存储和计算的要求。
二、非结构化数据处理。AI 任务中将涉及大量的非结构化数据，而企业也需要从各类非结构化数据当中挖掘潜在价值。因此，企业的数据中心需要实现对数据多样性的快速分析、分类和使用。
三、分布式计算需求。这一需求正好可以满足物联网爆发所带来的更靠近边缘、更多分布式的数据中心建设的趋势，分布式计算同时也能更好地适应 AI 模型训练中，通过数据并行以加快训练进程的要求。而这些都对数据中心的数据响应效率提出了极高的要求。
想要真正应对 AI 任务对数据处理的这三大考验，数据中心除了选择满足 AI 算力的 AI 服务器，也需要能够满足高扩展性、高可靠度的关键任务服务器，能够同时满足高并发海量数据的处理，也能完成 AI 任务的加速处理。
从我们对国内最新服务器市场的观察中，联想的 ThinkSystem 服务器产品成为我们解答这些难题和考验的极佳的样本。
解题：联想“关键先生”的 AI 算力
不久前，联想企业科技集团正式推出了全新的 ThinkSystem SR850 V2 和 SR860 V2 四路服务器。作为面向新一代商业智能的关键任务服务器，这两款新产品可谓是代表了联想数据中心业务对于高端服务器产品的深刻洞察和极致追求。
联想的关键任务服务器的核心价值在于，依靠超高性能、可靠的稳定性和安全性，保证企业和组织的关键生产环节的稳定运行，特别是对于关系国际民生的重点行业。比如在金融行业，由于每天数以亿笔的交易数据都需要通过服务器来处理，因此数据中心既要保证每时每刻的在线支付交易实时处理和交易安全，又要帮助银行、在线支付商等机构从海量的金融数据中获得全新商业洞察，降低信贷、投资等交易风险。
联想 ThinkSystem SR850 V2 和 SR860 V2 正是按照这样的关键任务保障作为严苛的技术标准和要求来进行设计和配置，能够成为重点行业客户对于高端服务器的极端要求，成为企业智能化转型路上的“关键先生”。
首先，这两款服务器都搭载了基于英特尔全新 Cedar Island 平台打造的第三代至强可扩展处理器，能够实现更快的数据采集和数据处理性能，进而从容应对数据中心日益增加的数据流量。
其次，新产品还采用了最新的 200 系列傲腾持久内存，最大可支持 12TB 内存，这使其具备了强大的内存计算能力和虚拟化功能，在运行大型虚拟机和 SAP HANA 等超大型内存计算数据库时都能表现得游刃有余。
此外，SR850 V2 和 SR860 V2 都采取了高扩展性的设计思路，服务器中处理器、内存等核心部件都可以灵活配置。企业客户也可以根据实际存储的需要来选择硬盘数量，真正实现对客户的量体裁衣，满足灵活多变的扩展需要。
在具备优越的基础数据处理性能之外，SR850 V2 和 SR860 V2 还基于新的至强处理器所配置的英特尔深度学习加速技术（Intel Deep Learning Boost），能够支持专为 AI 运算、深度学习等应用开发的 bfloat16 浮点格式，从而对 AI 任务的数据训练和学习提供有力支撑。
值得一提的是，SR860 V2 服务器采取了 CPU+GPU 的异构模式，能够有效支持最多 4 个双宽 GPU 或 8 个单宽 GPU，进而可以支持众多高性能计算的实时处理，大幅提高 AI 深度学习模型的训练分析的速度，以及一些高密集型计算应用的运行速度。
在应对 AI 任务所提出的三大数据考验上面，这两款服务器都已经进行了充分的实现。
第一，两款服务器都采用了新的 CPU 支持指令集，帮助加速 AI 应用，满足超高密度 AI 计算需求，实现智能加速。比如，支持研究人员从大数据分析中快速获得关键信息，解决像生物信息、药物开发和高能物理等领域，仅仅依靠模拟不足以全面预测真实环境发展趋势的问题。
第二，SR860 V2 支持业内领先的 GPU 加速计算，支持对于结构化及非结构化数据处理，实现多样化数据的弹性处理；同时可管理下一代 AI 工作负载，让 AI 计算效能更高。
第三，面对 AI 任务的并行计算要求，和未来多地区数据中心建设的趋势，企业更可以灵活选择 SR850 V2 和 SR860 V2 这两款高扩展性服务器，以更少的节点提高数据中心的吞吐量，以提高数据中心的运行效率。
AI 技术在企业运营和企业产品中的应用，正在成为企业数据中心升级的关键。而联想高性能关键任务服务器，正是推动 AI 应用落地，实现数据价值的可靠基础设施。企业在加速智能化进程中，必须真正开始认真思考和推动数据中心的“算力底座”的建设和升级。
破题：企业智能化的“算力底座”
说起联想，我们自然而然就想到全球领先的个人 PC 业务。但其实早在 2012 年，联想就推出了引领时代的 ThinkServer 企业服务器系列，极大地提升了国产服务器的品质。2014 年，联想又完成对 IBM System x 服务器的并购，开始推行 ThinkSever 和 System x 并行的双品牌战略。
2017 年，联想在 TechWorld17 上面正式推出新一代 ThinkSystem 系列，并在大会上一次性展出了基于 ThinkSystem 系列的 14 款服务器平台、7 款存储产品、5 款网络产品。极具差异化的全新产品一经亮相，在当时立刻引起业界的关注和客户的欢迎。
正是在这一次大会中，联想掌舵人杨元庆提出了：“联想要成为这一轮‘由 AI 驱动的智能变革’的推动者和赋能者，并通过‘设备+云’、‘基础设施+云’为用户提供更加智能的服务”这一发展使命。
现在，以 ThinkSystem SR860 V2 和 SR850 V2 这些高端服务器为代表，联想的企业级数据中心业务正在全面满足企业的 AI 计算需求与大数据处理需求，真正成为企业智能化加速中的 “算力底座”。
作为中国企业可信赖的数字化转型服务供应商，联想企业科技集团在企业级 IT 基础设施领域已有 29 年的研发经验。目前，联想 ThinkSystem 服务器共坐拥 189 项世界纪录，连续 7 年获得 x86 服务器可靠性全球排名第一。同时，在 6 月份揭晓的最新全球超算 TOP500 榜单中，联想以交付 180 台的成绩蝉联冠军。这一切都为 ThinkSystem SR850 V2 和 SR860 V2 打下了有力的品牌背书。
拥有领先业界的充沛算力，拥有行业 Knowhow 知识演进的算法，以及对数据的深刻理解，联想成为国内为数不多汇集全部智能化要素的 IT 基础设施企业。而这正是未来企业在智能化转型上可以信赖和选择的关键所在。
下载ECAD模型
