Data+AI双轮驱动,阿里云存储服务全面升级

本文涉及的产品
对象存储 OSS,20GB 3个月
对象存储 OSS,内容安全 1000 次 1年
对象存储OSS,敏感数据保护2.0 200GB 1年
简介: 近日,2024云栖大会现场,阿里云宣布对其存储服务进行全面升级,围绕Storage for AI与AI in Storage两大领域,提出“4任意+3智能”的升级方向,揭示存储与AI的双向赋能路径。阿里云存储产品将支持更多AI应用高效创新,同时AI也将助力基础设施迭代,助力企业更好地管理数据资产。

【阅读原文】戳:Data+AI双轮驱动,阿里云存储服务全面升级

近日,2024云栖大会现场,阿里云宣布对其存储服务进行全面升级,围绕Storage for AI与AI in Storage两大领域,提出“4任意+3智能”的升级方向,揭示存储与AI的双向赋能路径。阿里云存储产品将支持更多AI应用高效创新,同时AI也将助力基础设施迭代,助力企业更好地管理数据资产。

 

 

 

 

 

四个任意,以数据驱动AI创新

 

 

 

"4个任意"(Any Performance,Any Interface, Anywhere,Any Data)是阿里云在Storage for AI方面提出的一个核心概念,旨在提供一种灵活、高效、可扩展的存储解决方案,以适应AI时代对存储系统的多样化需求。

 

 

任意性能(Any Performance):指的是存储系统能够根据各类场景的性能需求,动态调整存储资源,提供从低延迟到高吞吐量的不同性能级别。在统一的存储数据底座中,存储面临着workload和多样的性能需求,需要在每一类场景下都保持最优。例如在模型训练阶段,对文件传输的容量和效率有更高性能要求。文件存储CPFS数据流动通过冷热数据分离进行生命周期管理,文件系统容量规格提升11倍以满足多变的需求场景 ,帮助用户大幅降低存储成本并提高训练效率。

 

 

 

任意接口(Any Interface):意味着存储系统支持各类数据访问接口,包括文件、块、对象等,以适应不同类型的AI应用和数据处理流程。

 

 

任意位置(Any where):强调存储系统的数据可以在不同地理位置的数据中心之间灵活迁移,以满足数据本地化和灾难恢复的需求。此次阿里云介绍了文件和对象的跨地域数据流动,其引擎性能提升至100 GB/s ,企业能够实现传输资源的弹性调度和智能化的数据生命周期管理。

 

任意数据(Any Data):表示存储系统能够处理各种类型的数据,无论是结构化数据、半结构化数据还是非结构化数据,都能得到有效的存储和管理。阿里云本次针对AI场景升级数据湖,通过采用对象存储服务(OSS)作为统一的数据湖底座,其资源池Qos能力在多任务访问时,不仅能够做到性能的隔离,还需要最大化发挥资源池性能,针对不同业务有灵活的策略,保障多业务共池高效运行。

 

Minimax作为领先的通用人工智能科技公司,其技术总监星龙在本次云栖大会上分享了以阿里云OSS为底座,构建AI数据湖的实践经验。不仅满足未来近EB 级存储容量和万亿文件数量需求,简化AI系统数据流动,而且通过结合CPFS高性能文件系统,提供更低延迟、高吞吐的数据处理能力,满足最高99.995% 的可用性SLA以及99.9999999999%(12个9)的数据可靠性。

 

 

 

 

三个智能,赋能时代新存储

 

 

 

而"3个智能"是阿里云在存储服务中融入AI技术(AI in Storage),以提升存储系统的智能化水平,具体包括:

 

智能修复(AI-Healing):利用AI技术对存储系统中的潜在问题进行预测和自动修复,减少人工干预,提高系统的稳定性和可靠性。OSS针对 “AIGC” 场景的多模态内容支持原生的内容安全和恶意文件检测,快速识别常见病毒,防止恶意文件传播和执行。

 

智能管理(AI-Management):通过AI算法优化存储资源的分配和调度,实现存储系统的自动化管理,帮助企业管理好存储性能预期、数字资产,提高存储效率和降低成本。阿里云利用了Tablestore表格存储的向量检索技术,推出了OSS数据索引的新功能——语义检索。这一功能不仅能够处理文档,还支持内容生成及AI助手服务,使用户能以更智能的方式管理海量数据,极大地提高了数据搜索、处理及管理的效率,尤其适用于大规模多模态数据集的管理。

 

 

智能生成(AI-Generation):指的是存储系统能够利用AI技术生成智能报告和洞察,帮助用户更好地理解和优化他们的数据存储策略。阿里云企业网盘基于通义大模型构建网盘多模态AI能力,支持自适应数据分段聚合、融合索引以及跨模态查询等功能,轻松利用海量非结构化数据构建各类AI应用。

 

 

 

阿里云智能集团弹性计算、存储产品线产品负责人Alex Chen在云栖大会的演讲中提到:“未来,每一家公司都将是Data+AI的公司。”阿里云通过这些创新概念,强化了其在AI时代存储服务的领先地位,为企业提供强大的技术支持,以应对大数据和AI应用带来的挑战,助力企业及开发者在AI时代加速业务创新与应用落地。



我们是阿里巴巴云计算和大数据技术幕后的核心技术输出者。

欢迎关注 “阿里云基础设施”同名微信微博知乎

获取关于我们的更多信息~

相关实践学习
通义万相文本绘图与人像美化
本解决方案展示了如何利用自研的通义万相AIGC技术在Web服务中实现先进的图像生成。
相关文章
|
5天前
|
人工智能 分布式计算 Cloud Native
阿里云大数据AI产品月刊-2025年9月
大数据& AI 产品技术月刊【2025年 9 月】,涵盖 9 月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
阿里云大数据AI产品月刊-2025年9月
|
16天前
|
消息中间件 人工智能 运维
事件驱动重塑 AI 数据链路:阿里云 EventBridge 发布 AI ETL 新范式
“一个简单的数据集成任务,开始时总是轻松愉快的,但随着业务扩展,数据源越来越多,格式越来越乱,整个数据链路就会变得一团糟。”陈涛在演讲中指出了当前 AI 数据处理的普遍困境。扩展难、运维难、稳定性差,这三大挑战已成为制约 AI 应用创新和落地的关键瓶颈。针对这些痛点,在2025云栖大会期间,阿里云重磅发布了事件驱动 AI ETL 新范式,其核心产品 EventBridge 通过深度集成 AI 能力,为开发者提供了一套革命性的解决方案,旨在彻底改变 AI 时代的数据准备与处理方式。
160 15
|
16天前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
265 17
|
5天前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
89 3
|
16天前
|
人工智能 缓存 安全
阿里云发布《AI 原生应用架构白皮书》
阿里云联合阿里巴巴爱橙科技,共同发布《AI 原生应用架构白皮书》,围绕 AI 原生应用的 DevOps 全生命周期,从架构设计、技术选型、工程实践到运维优化,对概念和重难点进行系统的拆解,并尝试提供一些解题思路。白皮书覆盖 AI 原生应用的 11 大关键要素,获得 15 位业界专家联名推荐,来自 40 多位一线工程师实践心的,全书合计超 20w 字,分为 11 章。
696 11
|
16天前
|
人工智能 NoSQL 关系型数据库
Ai驱动的项目管理工具安装教程
Dectask是一款基于AI的高性能项目管理工具,融合企业级功能与轻量体验,支持多种安装方式,普通安装的教程
77 3
|
6天前
|
传感器 人工智能 数据可视化
AI 驱动的 AR眼镜巡检技术方案:让工业缺陷识别更精准高效|阿法龙XR云平台​
针对电力、化工、制造等高风险场景,传统人工巡检效率低、漏检率高。我们推出AI+AR智能巡检方案,集成高清视觉与多传感器数据,采用轻量化YOLOv8-Nano和ResNet50模型实现缺陷实时检测与分级,结合ORB-SLAM3空间定位,在AR眼镜中精准叠加缺陷标注,识别准确率超95%,效率提升50%以上,助力巡检智能化、可视化、可追溯。
|
6天前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
114 12
|
5天前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。

热门文章

最新文章