文 | 智能相对论
作者 | 叶远风
存储介质的价格要压不住了。
在减产策略执行数月后,三星、美光、SK海力士等存储介质巨头纷纷“扬言”要涨价,其中三星计划在今年四季度起调整NAND Flash产品的合约价格,涨幅超过10%。
“减产、削供、提价”一键三连,连带大量需要这些介质作为“原料”的产品涨价,正在影响到终端消费者或企业用户的切身利益。
从市场反馈看,手机及PC整体价格已经开始上涨,而服务器产品尤其是数据存储产品们,从成本机制上来看,涨价似乎也是大势所趋。
毕竟,“面粉”涨了,“面包”岂有不涨之理。
在数字化、智能化爆发式发展时期,大模型等技术创新对数据存储有迫切的需要,无疑加剧了业界的忧虑。
“面包”价格究竟会怎么走,或者说,能怎么走?业界并不乐观,但事情或许也有转机。
上游价格波动、下游价格敏感、趋势不可逆转——存储厂商的“三难”境地
这一波介质涨价潮处在典型的产能波动周期的“收缩周期”,即全球宏观经济复苏缓慢、需求断崖式下跌时,介质厂商缩减产能以保证市场价格。
在“扩张周期”还是未知数的情况下,对存储厂商这个“数字化烹饪师”来说,上游“面粉”价格会持续一段时间较大幅度的增加,如果不跟随涨价,则可能面临巨大的成本压力。
这是“第一难”。
与此同时,下游“面包”面向的,却是不折不扣的“价格敏感型”市场——预算不足一直企业数字化转型升级的阻力之一,尤其是大量中小企业对存储产品、方案的价格更是十分敏感,一些时候价格甚至决定了数字化项目是否能进行下去。
与介质厂商远在产业链上游、很难对客户成功负责不同(减产本身就表明,无论客户发展如何,介质厂商都有办法让自己获取时代红利),在数字化深入发展的当下,存储厂商直接面向客户,很多时候数字化项目处在深度共建合作中,其价值与利益实现与“客户成功”息息相关,双方关系越是紧密,跟随式涨价就越会伤害这种关系。
这是“第二难”。
更进一步看,目前信创产业链正在快速走入全闪存时代,用SSD全闪存代替HDD成为大势所趋,高效率的存储推动着数字化转型升级深入发展。
但是,这种机遇建立在SSD产品价格总体不断下降的基础之上,对存储厂商而言,不仅仅是当下,在更长的时间视野下,也应该尽可能控制闪存存储产品价格,如此才能保证全闪存产业链趋势更好地落地。
这是“第三难”。
由此,难题抛给了存储厂商,“面粉”涨,但“面包”价格从当下到未来都要稳住——问题不再是“要不要涨”,而是到底怎么才能“不涨”。
不跟随涨价的“面包”,怎么烹饪?
到底怎么做出一个不跟随涨价的“面包”来?一些存储厂商的做法已经进行了探索和尝试,或值得行业借鉴。
例如,2023华为数据存储用户精英论坛上,华为发布了入门级全闪存存储新品OceanStor Dorado 2000,面向的恰恰是前文提到的“价格敏感性”中小企业市场,这款产品在最近的介质涨价风波中并没有跟随涨价,坚定维持了原价。
看起来,华为存储正在努力向“客户成功”靠拢,尽量弱化“面粉”涨价对“面包”的价格传导。只是,种种迹象显示,这种弱化并不是一味地牺牲自己的利益,而与华为存储长期以来的技术与产的创新有直接的关系。
1、“提升烹饪技术,控制面粉外的其他成本实现总成本的平衡”
通过技术改良,烹饪师可以控制原料外的其他制作成本,平衡掉“面粉”涨价对“面包”价格的影响——A+B=C,A增加则减少B。
OceanStor Dorado 2000具备专属的硬件架构设计,整机轻量小巧,在节省33%空间占用的同时,也控制了介质之外的其他成本投入。
这种极简设计原本是存储产品的一种技术进化,现在在介质涨价的关口,客观上实现了平衡总体成本的效果。
2、“降低面粉在成本中的比重,将面包价值导向口感等体验上”
在一开始就降低“面粉”在“面包”总体成本构成中所占比例,比如凸显对口感、风味等特性的投入,也可以减少“面粉”价格波动的影响——A+B=C,让A占C的比例更小。
对数据存储而言,就是要更多凸显存储能力特性,这正是包括OceanStor Dorado 2000在内的华为存储产品一直在做的。
典型如,在功耗方面,OceanStor Dorado 2000采用端到端的全闪设计及硬件优化,相比市场同类产品功耗大幅降低而散热效率大幅提升,能满足数据中心低PUE等需求;在安全上,其整体可靠性达到6个9,还具备高密快照等特性,可应对愈演愈烈的网络和勒索攻击,等等。
换言之,客户采购的更多的是这些能力,而不只是介质。
3、“做满足吃饱之外其他特定功能需求的面包”
一些满足健康生活等特定需求的“面包”产品正在兴起,“吃饱”不再是唯一的目标,这类产品更能抵抗“面粉”涨价周期。
对存储产品而言,就是要面向特定场景需求进行价值展现并以此定价(与上一点类似,但这里更强调场景能力而非技术特性),从而减少介质成本的影响。
这方面,OceanStor Dorado 2000提供了诸如快速部署、智能化运维等场景能力,在中小企业技术能力不足时帮助其一揽子解决数据存储需要。
实际上,这只是满足特定场景需求的一种表现,其他还有诸如项目共建(针对客户业务需求做“定制化面包”)、大模型支撑(如强化中小文件读取性能、断点续训效率)等,都可以成为存储产品的价值来源,都能弱化介质价格的影响。
好“面包”,还需要走入千家万户
回到信创产业链视角,长期来看,数据存储应该制定让更多企业尤其是中小企业享受到全闪存性能的定价策略。“面包”不能涨价,“好面包”也要让更多人吃得起。
在一系列技术创新与国内产业链的努力下,OceanStor Dorado 2000快速破局、有了“不涨价”的底气,其定价也已经向传统HDD拉齐,国内客户能够用大致相当于HDD的价格享受SSD的效率——数据显示,OceanStor Dorado 2000具备高出混闪20倍的全闪性能及丰富的高端存储特性。
国产化替代下,中小企业们正在以入门级的价格享受全闪存带来的好处,未来,更多政企组织也将享受到这种产业升级带来的红利。
总而言之,数字经济时代,数据作为新型的生产要素已经成为基础性资源和战略性资源,数据存储大有可为。SSD向HDD价格拉平,存储厂商正在承担起数字经济大潮中的责任来,在不确定性、复杂性、多元性激增的时代,始终保持基础设施的确定性与驱动力,帮助客户享受技术红利、应对各种挑战,实现利于当下、着眼未来的永续发展。
而这些,正是“基础设施”的应有之意。
*本文图片均来源于网络
#智能相对论 Focusing on智能新产业新服务,这是智能的服务NO.243深度解读
此内容为【智能相对论】原创,
仅代表个人观点,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。
部分图片来自网络,且未核实版权归属,不作为商业用途,如有侵犯,请作者与我们联系。
•AI产业新媒体;
•澎湃新闻科技榜单月度top5;
•文章长期“霸占”钛媒体热门文章排行榜TOP10;
•著有《人工智能 十万个为什么》
•【重点关注领域】智能家电(含白电、黑电、智能手机、无人机等AIoT设备)、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。
相关推荐: 天气转凉,色斑来袭?用太极制药“Domina祛斑霜”提早预防
– 选择祛斑产品时,一定要注意甄别成分,含有“对苯二酚”的产品才对色素沉淀有治疗效果 不知不觉,炎热的夏天已经过去,秋天已经到了。今年夏天连日晴热高温,多个地区更是达到了历史最高温度。如果在高温天气下没有做好防晒,或者因为天气转凉就不涂防晒霜,那么暴露在强烈紫外线下的皮肤更容易迅速老化。 如果进行长时间户外活动,一定要涂抹防晒霜,并且要及时补涂。当肌肤不小心长时间暴露在阳光下之后,需要及时进行晒后护理,因为即使皮肤没有立刻出现问题,如果放置不管的话,以后也容易因为紫外线产生永久性的色素沉淀,所以,色素沉淀的早期预防也十分重要。 坚持使用祛斑药膏,是在针对色斑、雀斑等色素沉淀治疗时的代表性有效方法。使用祛斑药膏的优点是,像平时使用护肤品一样涂抹即可,不需要去医院皮肤科治疗,大大节省了时间和费用。 在选择祛斑药膏的时候,一定要确认产品是否含有有效防止色素沉淀的对苯二酚(Hydroquinone)成分。对苯二酚(Hydroquinone)通过抑制帮助黑色素生成的酪氨酸酶的活性,达到直接防止色素沉淀的效果,并对色素过度沉淀的皮肤有一定漂白效果。 以对苯二酚为主要成分的产品中,最广为人知的是韩国太极制药公司“Domina祛斑霜”。由LG生活健康子公司太极制药生产的“Domina祛斑霜”自1985年上市以来,一直是韩国同类产品中的畅销产品,备受消费者青睐。 在非处方色斑、色素沉淀治疗剂品类中销量稳居首位(来源:药品市场研究机构IQVIA 2002年至2022年销售额,D11A)。该产品针对色斑、黄褐斑、雀斑等色素沉淀有显著的治疗效果。 如果是第一次使用含有对苯二酚成分的产品,推荐先进行皮肤测试后再使用。可以在耳后或下颌等位置涂抹少量,观察一天后,若无异常反应,再在脸部使用。使用本产品时,在晚上洁面并使用完护肤品后,少量涂抹在色素沉淀部位即可。 据悉,太极制药于今年2月新推出了“Domina Light祛斑霜”。与原有的“Domina祛斑霜”相比,“Domina Light祛斑霜”的对苯二酚成分的含量减半(1g中含有20mg的对苯二酚),更加温和,推荐有色斑和色素沉淀困扰的二三十岁轻熟龄皮肤使用。相关推荐: 实在智能TARS-RPA-Agent,业界首发的产品级Agent有何非凡之处? 融合LLM的RPA进化到什么程度?来看看实在智能的TARS-RPA-Agent AIGC如何借AI Agent落地?实在智能TARS-RPA-Agent告诉你答案 具备里程碑的意义的TARS-RPA-Agent,为超自动化的未来提供了方向 实在智能TARS-RPA-Agent,业界首发的产品级Agent有何非凡之处? 像生成文本一样生成流程,实在智能TARS-RPA-Agent开启RPA新体验 边探索边创建,实在智能TARS-RPA-Agent破解RPA与LLM融合难题 文/王吉伟 大语言模型(LLM,Large Language Model)的持续爆发,让AIGC一直处于这股AI风暴最中央,不停席卷各个领域。 在国内,仍在雨后春笋般上新的大语言模型,在持续累加“千模大战”大模型数量的同时,也在不断填补垂直大语言模型在各个领域的空白。 每个领域都会有自己的大模型,每个领域都会有厂商推出自有模型。更多的LLM,让AIGC以更迅猛的速度进入并影响更多业务场景。 AIGC并不只有C端用户所看到的用AI工具生成文字、图画、视频等各种内容,还有B端的用AI直接生成以及驱动管理系统生成各种可执行的业务流程。 相对于C端产品直接引入生成式AI或者部署开源模型就能搞定,B端产品要在引入、部署及自研LLM的基础上做更多的训练、微调与优化等,才能保证LLM能够与已有产品更好的融合,以更好地发挥各自所长。 一旦LLM与企业管理软件融合好,便意味着大模型的顺利落地。而大语言模型的私有化部署能力,往往意味着厂商们更大的商机。 这样,LLM与企业管理软件的融合成了重中之重。发布领域大模型与提供私有化部署,也成了广大B端厂商主流做法,更使得能够代替用户和大模型进行交互的AI Agent ,在Prompt系统工程之后成了香饽饽。 当前,AI Agent已是公认大语言模型落地的有效方式之一,它让更多人看清了大语言模型创业的方向,也让投资者们更加看好LLM、Agent与已有企业管理软件的融合应用。 在这其中,因为RPA、低代码等技术在自动化方面的天然属性,并且自然语言交互能够为其带来相当的质变,能够为客户端到端自动化的超自动化如何与AI Agent融合,也成了很多投资机构重点关注的领域。 说到这里,有人可能会问:超自动化与LLM的融合进展到了什么程度?有没有厂商在做AI Agent方面的尝试?产品体验如何? 恰好最近实在智能正式发布了TARS大模型,并在业界首发了基于大模型的Agent产品TARS-RPA-Agent。同时为了搞明白这款产品,发布会后王吉伟频道还做了专访。 本文就以这款产品为例,跟大家聊聊上面的几个问题。 基于大模型的产品级Agent:TARS-RPA-Agent 看到Agent,很多人会想到AI Agent及其代表作AutoGPT。 AutoGPT是一个基于ChatGPT的工具,能帮你自动完成各种任务,比如写代码、写报告、做调研等等。只需要告诉它要扮演的角色和要实现的目标,它就能利用ChatGPT和谷歌搜索等工具,不断“思考”如何接近目标并执行,还可以看到它的思考过程。 AutoGPT会根据用户提出的目标制定并自动化执行完整计划,解决了被大多数人所诟病的“与LLM交互过程中的无效提问及反馈”等诸多问题。 AutoGPT的火爆,也让AI Agent快速出圈。 AI Agent是指人工智能代理(Artificial Intelligence Agent),是一种能够感知环境、进行决策和执行动作的智能实体。它通常基于机器学习和人工智能技术,具备自主性和自适应性,在特定任务或领域中能够自主地进行学习和改进。 LLM擅长处理和生成文本,但只有给它输入才会产生输出,仍然是一种被动使用模式。AI Agent则提供了更广泛的功能,尤其是在与环境的交互、主动决策和执行各种任务方面。 AI Agent以LLM为大脑,再赋予任务规划能力、长短期记忆力、工具使用能力,即可实现自动化处理更复杂的任务。简单来说,AI Agent基于LLM驱动Agent实现对通用问题的自动化处理。 AI Agent具备独立的思考和认知功能、拥有记忆,能进行思考、逻辑推断和自我反思,可以阅读和在线学习,擅长利用适当的工具处理问题,还能策划并根据实际情况调整任务的优先级。 可以说,AI Agent为LLM提供了行动能力,真正释放了LLM的潜能。 那RPA与AI Agent结合,会有什么样的化合反应呢? 这次实在智能业界首发的TARS-RPA-Agent,正是一款AI Agent类RPA产品。 但需要说明的是,与AutoGPT只提供智能体框架不同。实在智能创始人兼CEO孙林君(阿宝)告诉王吉伟频道,TARS-RPA-Agent是一个真正的产品级Agent,是普通用户不需要部署就能方便使用的大语言模型智能体。经过技术优化以后的Agent产品,不会在使用时陷入逻辑上的死循环,也不会过度消耗tokens。 前文讲过AI Agent的核心是LLM,TARS-RPA-Agent所依赖的LLM是实在智能基于通用大模型基座的自研垂直“塔斯(TARS)”大模型。 TARS大模型具备优异的文本生成、语言理解、知识问答、逻辑推理等主流能力。 其中,实在智能与湘财证券共建的“自研、有效、安全、可信任、可落地”的财经行业大模型TARS-Finance-7B,保留了生成式大模型的通用技能,并在金融财经领域得到了显著的加强和提升,在多个中英文的通用基准测评集和财经领域基准测评集上均取得良好成绩。 简单来讲,TARS-RPA-Agent是一个基于“TARS+ISSUT(智能屏幕语义理解)”双模引擎、有“大脑”,更有“眼睛和手脚”的超自动化智能体,是能够自主拆解任务、感知当前环境、执行并且反馈、记忆历史经验的RPA全新模式产品。 TARS-RPA-Agent采用以TARS大模型和ISSUT智能屏幕语义理解为基座的技术框架。该技术框架分为两层结构:底层是包括通用基础模型和各个垂直行业基础模型在内的TARS系列大模型和智能屏幕语义理解技术;上层是依托这两项关键技术完成全面升级和改造的超自动化产品。 能够在AI Agent盛行不久便能打造出AI智能体产品,得益于长期的技术沉淀与经验积累。自推出RPA产品至今天发布TARS-RPA-Agent,实在智能的产品体系已经历三次重要迭代: 2018-2021年,实在第一代专家模式RPA,实现可视化拖拉拽构建数字员工。 2021-2022,实在第二代简易模式IPA,基于首创ISSUT智能屏幕语义理解技术,跳出IDE技术模式,开启全球首个点选用模式RPA。 2022-2023,实在第三代对话模式RPA(ChatRPA),结合大语言模型基础,实现超自动化Agent,打造业界首款计算机视觉与大语言模型结合的智能体产品,以全新体验人机交互开启对话式流程创建时代。 正是因为多年的持续创新与不懈努力,使得实在智能TARS-RPA-Agent模式ChatRPA,成为国内首个基于大语言模型和智能屏幕语义理解的产品级Agent,真正实现流畅的对话式生成业务流程,因此一经发布就得到了业内外的广泛关注。 说了这么多,产品体验如何呢?不要急,下一节就会讲到。 像生成文本一样生成流程 在采访中,实在智能演示了几个案例。 其中一个是web端案例,演示如何通过与TARS对话,ChatRPA自动创建在京东查询商品数据的流程。 在新建流程的对话窗口输入“查询京东中最畅销的电视机”,提交以后塔斯反馈了流程创建的两个执行计划。在计划详情中可以查看每个计划的执行步骤,还可以通过多轮对话修改以创建更复杂的流程。点击执行后,ChatRPA就会进入IPA模式按计划的详情步骤开始执行。 遇到不能执行的步骤,只需要人工通过继续对话或者按照提示点击相应页面元素,流程就能持续创建,全流程基本都是自动化创建,人工参与的部分已经很少。 并且,还可以在流程执行完毕的基础上,通过对话继续增加新的执行计划以完善流程。 在演示中,最后增加了一轮对话:将商品名保存到桌面TXT文件中。提交以后,ChatRPA会按照新的计划继续执行。 实在智能产品专家拓海告诉王吉伟频道,最后这个计划看起来简单,实则体现了ChatRPA的两个能力:一是逻辑推理能力,它能够将之前各个组件变量的逻辑关系进行串联;二是代码生成能力,在没有基础组件的流程步骤中它可以直接生成一段代码,并把这个代码封装成为自建组件。 重点在于,这个组件是可以复用的,以后在流程创建中有需要的时候可以随时调用这个组件。 在王吉伟频道看来,对于没有编程能力的普通用户而言,之前只能围绕已有组件去做各种形式的流程实现,确实比较复杂。现在基于大语言模型的ChatRPA具备了“遇河搭桥”的能力,在没有组件可调用的情况下直接生成一个组件,进而保证流程的创建与执行。 这就相当于用户在创建流程的时候身边有个具备业务能力的程序员在做指导,总能以最简单最优化的方式帮助用户去实现各种流程的创建与执行。所以,理论上已经没有任何流程的创建能够难住ChatRPA。并且随着不断的数据喂养与加强学习,以后它还能生成更复杂的组件以创建复杂的长流程。 组件是可以复用的,流程也是一样的。 阿宝告诉王吉伟频道,流程并不是一下就生成的,TARS-RPA-Agent会不断修改用户意图,不断完善流程,流程可以越做越复杂,最后会变成一个高可用的标准流程。 简单地讲,让基于大语言模型的RPA自动创建流程主要分为两步:第一步是分析操作对象界面元素,第二步是在流程步骤中填充需要被操作的元素。 在阿宝看来,大语言模型本质上是一个语言模型,它能够分析逻辑,却看不到要操作的对象。而通过计算机视觉告诉LLM操作对象在哪里,它就可以进一步去操作各种对象驱动RPA去创建各种流程。 所以,TARS-RPA-Agent与其他Agent的不同之处在于,目前大多数AI Agent产品仍是基于语言模型的综合应用,而TARS-RPA-Agent是计算机视觉和大模型的结合。这在全球Agent领域也是不多见的,更是RPA领域的首创。 能够实现这一点,更得益于实在智能很久之前就布局的智能屏幕语义理解技术。 拓海告诉王吉伟频道,过去的IPA模式,用户可能还得根据AI推荐去找一些需要被操作的对象元素。TARS-RPA-Agent则更进一步,不需要去指定元素,只需要告诉模型要操作的目标是什么,它刷一下当前的屏幕,就能根据屏幕语义理解意思,直接命中目标元素。 如果没有命中的话,则需要一些人机协助填充目标。并且在协助过程中,TARS-RPA-Agent能够记住这些元素及操作,逐步优化语义理解,让流程及组件复用性更高。 此外,TARS-RPA-Agent还实现了语音流程创建的体验大提升。 通过对话机器人+RPA进行语音对话式RPA流程创建,已经是比较常见的解决方案。现在市面上不乏接入天猫精灵、小度等语音机器人调用RPA的产品。但这种应用需要建立在已经创建好的流程基础之上,需要先以人工方式创建好流程,才能实现以对话机器人调用流程。 TARS-RPA-Agent的不同之处在于,用户只需要对机器人说出需求,机器人即可完成即时的流程搭建和执行,而不再需要提前创建流程,真正实现即时场景的“你说机器人做”。 整体演示下来,给王吉伟频道的感觉是,结合AI Agent及屏幕语义理解技术的ChatRPA,真的实现了像生成文本一样生成流程,使用体验得到倍数级提升。尤其是通过语音即时创建与执行流程,已经初步有了《钢铁侠》中托尼使用AI助理塔维斯即时执行任务的感觉。 “边探索边创建”流程生成方式 ChatRPA能够实现流畅的对话生成自动化流程,也体现了实在智能对于产品的几点思考: 首先,入口要好找,方便进入,可根据场景需要可随时唤起; 其次,使用要灵活,不仅能将一个任务完整的自动化流程规划生成出来,还能应对复杂特殊的场景,能够生成代码组件,也能保持和发挥大模型的特色,具有广阔知识的查询和建议生成能力。 再者,所生成的流程要能够工业化应用,就需要容忍模型的不完整,必须支持人机协同,也就是可对流程进行修改、增加、删除,当然最基本的要求,可直接运行。 正是这些思考,使得实在智能没有走“全流程一次生成”的路子,而是采取了一种“边探索边创建”的递进式流程生成方式。 要知道,流程中的各种元素是时刻在变的,所以流程创建也应该以一种更灵活的方式实现中途修改,需要每一步都结合用户的意图去探索性的操作,不然就会出现一次生成完整流程而不能使用或者经过大量修改才能使用的情况。 在这个基础上,TARS-RPA-Agent不但实现了单步寻优,还做到了把每一步的执行过程和结果都展示和反馈出来。 事实证明,只有“边探索边创建”的模式,才能让RPA真正融合LLM并发挥真正的作用。 而为了开发一款真正意义上的RPA/超自动化Agent,实在智能至少克服了包括打造“边探索边创建”模式在内的四重挑战。 “你说,TArs做”背后的四重挑战 这次发布会的主题是:RPA新境界—你说TArs做。 这个主题,也映射了实在智能在TARS-RPA-Agent的终极目标是“你说,PC做”,要真正实现包括流程创建等各种业务处理的“所说及所得”。 我们已经知道,TARS大模型在语义理解、内容生成、多轮问答、信息抽取等方面具有独特优势和强大能力。要实现这个目标,是不是把TARS的能力接入到RPA中就够了?是不是大模型就能直接为生成流程、完成工作? 经过一系列论证与测试,在实在智能看来,想要实现“你说,TArs做”这个目标,并不是简单结合就可以的。…
原创文章,作者:admin,如若转载,请注明出处:http://readdaily.cn/other/117767.html