站得高才能够看得远，作为“蓝色巨人”，IBM数据存储领域拥有足够多的积累和荣耀，无论何时何地， IBM对存储的洞察都应该引起我们高度关注。不仅如此，IBM存储产品和解决方案也总会带来意想不到的惊喜和收获。
2023存储峰会（FMW）期间，存储在线总编宋家雨特邀IBM副总裁、大中华区存储及中国区Power业务总经理候淼结合闪存技术市场的热点进行了专访。
存储在线总编宋家雨（左一）与IBM副总裁、大中华区存储及中国区Power业务总经理候淼（右一）新闻会客厅访谈
宋家雨：最近IBM存储在品牌方面有些调整，把原来IBM Spectrum调整为IBM Storage，这个动作的背后是怎样的一个战略布局？
侯淼：IBM存储刚刚调整了整个产品线命名，从IBM Spectrum调整为IBM Storage，精简了。IBM存储产品线比以前更加专注了，通过命名的改变，希望能够使品牌更加突出，突出IBM+Storage。因为我们看到，数据增长变得越来越快，数据量越来越大，IBM Storage业务会成为重要的业务发展领域。
IBM存储品牌战略调整，跟IBM公司整体战略是分不开的。
IBM在2019年收购了Red Hat，今年我们刚刚发布了watsonx， IBM整个公司战略围绕两大主线来展开，一个代表混合云，一个代表人工智能。
混合云主要是围绕红帽OpenShift底座，为客户打造一个端到端的混合云策略,上可以支持微服务，对下可以支持容器，这样把客户的硬件、软件资源统一结合起来，这是IBM很重要的策略。
针对人工智能，特别是今年7月份IBM刚刚推出的watsonx，它分为watsonx.ai、watsonx.data和watsonx.governance。其中，watsonx.ai主要是作为AI开发平台，为客户生成模型提供相关的底座和支持，包括模型的训练、验证、调优和部署。watsonx.data是湖仓一体的结构，跟存储也是紧密相关的。watsonx.governance为整个人工智能应用提供监管，包括管理的平台。这三个产品会支撑IBM战略的另外一个主线，也就是人工智能。
IBM现在有基础架构和软件业务，还有企业咨询服务，所有这些部门的产品和解决方案都是围绕以上两个主线来展开，我们会比以前更加专注。围绕这个主线，IBM对存储整个产品线进行了调整，以前我们是以盘（闪盘）、带（磁带）、闪存这样的语言进行描述，未来我们的产品线会围绕三块: 第一块是人工智能存储;第二块是混合云存储；第三块是数据保护存储。我们实际上把硬件、软件结合，首先会有一个软件的平台和引擎作为关键的组成部分；然后是相关硬件，包括盘和带，为客户提供针对AI场景、混合云场景以及数据保护场景的解决方案。
宋家雨：您能否结合这两个场景，介绍一下IBM存储的一些独特思考？
侯淼：如果把数据源的数据分成两类，一类是结构化的，一类是非结构化的，实际上你会发现非结构化数据增长是非常快的，这里包括像文件、对象、声音、图像等数据，对此，我们投入技术、研发力量帮助客户去寻找这种这种非结构化数据的价值，提供相应的管理方案。
人工智能处理的数据大部分（80%-90%）都是非结构化数据，针对这些数据的管理和应用，IBM存储的一个主要解决方案就是IBM Storage Scale的产品家族，来优化和简化数据的访问和存储。
还有一个角度是帮助客户去实现数据的云化，这里最核心的就是容器化。所以我们的混合云存储，特别是我们推出的闪存产品，针对容器化去支持红帽OpenShift混合云平台，满足客户在混合云和私有云构建。
现在混合云应用有一个比较大的变化，就是很多客户开始逐渐将应用容器化，对于硬件来讲，容器化的好处在于能够大幅度地去提高硬件的利用率，因为以前一个机器支持几百个虚机就可以了，但是容器化能支持上千规模，使利用率能够大幅度提高，减少客户在硬件上的购买成本，这是它的重要价值。
随着软件应用变得更加敏捷，部署也能够越来越快，不需要花很多周期和时间。围绕这样一个改变，很多客户使用容器化软件去实现生产系统。对于生产系统，不可避免会谈到备份、容灾，包括恢复的功能，而这也是IBM最强的部分。
通过我们的软件跟OpenShift相结合，能够支持客户实现生产系统的容器化，然后做容灾备份一整套解决方案。换句话来讲，我们是为企业客户在做混合云时，提供端到端的架构，使它能够不单单能满足容器化带来的好处，而且也能满足生产系统所具有的可靠性、稳定性和安全性的要求。
宋家雨：围绕watsonx，在AIGC领域，IBM存储有哪些独特的优势和思考，能不能分享一下？
侯淼：实际上人工智能这几年是一个高潮，GPU 被大量在 AI中使用。IBM在人工智能方面，倡导从+AI到AI+，就是以前是在原有系统上加一些人工智能的功能，今天要做的是用人工智能去替代原有的系统，使它更加自动化。
我们有一个基本的框架，这个框架就是数据、模型、算力和存力。针对基础构架去支持大模型，通过生成式的大模型，支持数据的分析和提炼，其中基础架构是最主要的平台。它有两个关键支柱，一个是算力，一个是存力，我觉得这个说法可能只在中国有，因为在国外都叫做computing、Storage，中国语言则体现出一个“力”。
存力包括两部分：一是要有一个存储平台，是能够进行数据的存取；二是“力”，代表一种能力，这个能力能够支持人工智能的模型和算力能力的发挥，所以在人工智能存力里，对存储有不一样的要求。一方面是要求高性能，因为现在GPU会越来越快，而且GPU对存储的要求是吞吐量越来越大，想要数据的话能及时提供 I/O。GPU资源越来越贵，存储的价值就在于怎么能够减少GPU的等待时间，减少GPU等待带来的浪费，这很关键，所以人工智能存储第一个特点就是要高性能。为了做到高性能，这类存储要支持英伟达的GPU直连，通过支持DGS协议，使企业的数据和性能能够提升一倍以上，这是第一个高性能。
第二个就能够进行线性水平扩展，你很难能够去预测未来的增长，所以所有这类系统都是分布式的。要求存储也要是分布式，能够线性扩展，但是分布式跟线性扩展是两个概念。分布式是能够扩展到上百、上千个节点，但是当你扩展到上百、上千个节点时，它的性能是否能跟得上？IBM Storage Scale软件能解决分布式存储扩展时的性能问题，实现线性水平扩展。
安全性、备份、可靠性则是第三个需求。我觉得这三个结合起来，这个存力就能够支持企业在人工智能领域所需要的基础存储要求了。
宋家雨：您能不能具体介绍一下IBM存储和英伟达算力解决方案的合作？
侯淼： IBM跟英伟达公司的合作由来已久，就在近几年，2018年IBM和英伟达一起联合支持美国能源部的项目，当时是用IBM的Power CPU，采用英伟达NVLink总线进行互联，英伟达选中了Tesla GPU加IBM Storage Scale System（下文简称为 SSS，原ESS）产品，这三款产品结合在一起。因为人工智能计算跟高性能计算是类似，都需要很强的算法，无论是浮点（运算）还是整型（运算）。英伟达在它的一些方案，包括DGX SuperPOD都是采用IBM的SSS产品作为存储的存力。
IBM现在所发布的SSS产品也拿到了英伟达的官方认证，支持DGX SuperPOD的GPU直连，而且有完整的测试，从两个节点，到4～8个节点，我们推荐不同类型的产品组合。IBM单模块能够去支持125 GB/s的带宽传输能力，这是现在业内最快的。同时我们能够实现上百、上千个模块的水平线性扩展，所以这个方案能满足英伟达GPU对数据存储的需要。
回到刚才我谈三个能力，有一个是高性能，包括刚才我谈到支持GPU直连，包括最快速的单模块125 GB/s传输能力。另外一个能力是线性扩展，IBM现在的一个主要解决方案是IBM Storage Scale存储软件，以前叫GPFS，这个软件是分布式文件系统，客户比较多，它的特点在于：第一，它是全域命名管理，能够支持不同存储协议的数据能够交互，包括像云原生S3、NFS等，它有特殊的本地缓存的算法，能够在你访问远程之前提前去预测这个数据是不是在远程，能够先拿到数据。通过这种方式，即使水平扩展上百个节点、上千个，它能够通过预测提高性能，尽可能少衰减，这也是它非常大的优势，也是国内包括国外很多分布式存储用它作为核心数据底座的原因。
第三，很多客户用人工智能进行训练之后，特别是进行推理和使用，数据会越增长越快。这些增长的数据，要考虑归档和备份的问题。IBM较其他存储的厂家，我们有比较深的、完整的一个存储产品解决方案，我们通过IBM SSS 3500产品作为一级存储，去跟英伟达的DGX 服务器配合使用。
同时，当数据变得越来越多，很多数据使用频度降低时，数据开始从热数据变成温数据和冷数据，我们就开始考虑后面的归档，包括备份方案，这里包括文件归档、目标存储的归档，还有系统通过自带归档，我们有一整套的方案去满足客户对人工智能存力的要求。
宋家雨：在未来IBM存储的规划之中，生成式AI部分会更加依赖于Watson吗？
侯淼：我觉得您说了一个很好的题目，Watson这个名称来自IBM的创始人老沃森，后来也成为了IBM研发实验室的名称——IBM Watson实验室。今天，Watson已经成为IBM人工智能的统一品牌。
现在我们提出叫watsonx，之所以是X的话，是希望我们有各种不同的场景，不同的方案，能解决客户更多的问题。围绕watsonx它的三个组成部分，第一个是支持生成式AI的开发平台，叫watsonx.ai，第二个是watsonx.data，把数据湖和数据仓库，湖仓一体来结合。第三个是watsonx.governance，跟整个监管包括合规相关的。
跟存储有比较大关系的是watsonx.data，这里牵扯到不单单是要解决人工智能对存储的要求，而且也要解决数据的管理，数据的访问，整套解决方案。围绕这块，用到了不单单是人工智能存储，也会用到云，用到数据备份、数据保护。IBM watsonx希望针对企业级的人工智能应用提供端到端的技术支持和行业专长。
现在市面上有一些工具可能只是工具，用在企业的话，会有很多问题。包括这些工具的使用，数据的产生，数据的保护，包括维护以及监管的要求。
IBM的理念是，我们提供watsonx产品家族是满足端到端的需要，特别是企业客户，当你不具备那么强AI的研发能力，通过IBM产品组合，能够从生成式的AI模型，到最后满足监管的要求以及数据被保护等各个方面，这是我们提出watsonx整个的想法。
watsonx是7月初刚刚开始上市的产品，国内现在在推广阶段，现在有一些国外的案例，主要是客户通过生成式AI模型解决行业一些问题。比如：制造业生产线中缺陷的判别，医疗影像的识别，呼叫中心对客户诉求的自动化应对和回复。我们现在看到针对这类行业应用，所有模型都有它的行业特点，发生很多交互关系，往往要跟客户业务紧密结合，去产生一个合理、可落地的一个模型。
关于数据，我们发现，不单单是企业对AI的使用要求，这些客户本身的海量数据，比如，一个银行的呼叫中心可能也有银行帐户的信息，包括信用的信息，而这些信息往往存在数据库里，所以IBM watsonx.data面对的数据对象不单单是非结构化的，还有一些结构化的，对数据的保护要求也不一样，可能你跟客户的通话本身是敏感的，要保护。但是跟客户银行帐户的信息相比，可能这里要求的保护级别更高。怎么样把这些结合在一起，就变得非常重要了。
我们现在看到watsonx.data对存储的要求，会比单一的系统来得要复杂，因为除了牵扯到模型所产生的，跟GPU配合所需要的存储结构以外，还需要后台其他的存储连接，包括跟它的数据库存储，包括怎么样整体上为客户去做备份，做数据保护，所以我们针对人工智能AI的核心软件Storage Scale，后台既可以接闪存，也可以接对象存储，也可以接磁带，这样跟客户整个系统相结合，不单单是提供AI存储的本身，而且提供湖仓一体的存储架构。
宋家雨：最后一个问题想问一下侯总，除了目前我们讲的混合云、AI存储之外，安全也是一个特别需要关注的话题。IBM Storage也有一个产品叫Defender，这样一个产品是不是能够抵御勒索病毒攻击呢？
侯淼：IBM有一类产品，我们叫它数据弹性存储，这里核心软件就是IBM Storage Defender。实际上是两个层面的事情，一个叫做数据安全，一个叫数据保护，这两个是不一样的。
数据安全很大程度上是主动的，它要去防止被黑客所袭击，怎么样能够进行主动探测，它是一个主动行为。数据保护相对来说是被动行为，怎样能够在同时情况下保护我的数据，能够尽可能减少损失。IBM是把这两块结合在一起了，就是Defender所要解决的问题。
