進(jìn)入數(shù)智化時代，新質(zhì)生產(chǎn)力的崛起與數(shù)據(jù)要素的深度融合，正引領(lǐng)著一場前所未有的變革。在這場變革中，算力、運力和存力如同新質(zhì)生產(chǎn)力的三大支柱，強力支撐著數(shù)字世界的高效運轉(zhuǎn)，而存力的價值更是日益凸顯，杉巖數(shù)據(jù)作為一家以新一代智能分布式軟件定義存儲技術(shù)為核心，提供海量數(shù)據(jù)存儲與管理解決方案的企業(yè)，在研發(fā)及應(yīng)用實踐中，我們看到，在海量數(shù)據(jù)的快速增長下，先進(jìn)存力正面臨著多方面的關(guān)鍵挑戰(zhàn)，如：
首先，數(shù)據(jù)如何有效利用的挑戰(zhàn)。
當(dāng)前很多用戶單位缺乏較長遠(yuǎn)的規(guī)劃。解決問題式和追趕潮流式的急上快干，可能會導(dǎo)致重復(fù)投資或購買不必要的技術(shù)，必然會造成資源浪費，技術(shù)債務(wù)或維護(hù)成本過高；組織結(jié)構(gòu)不合理，效率低下也會造成機會錯失。企業(yè)針對行業(yè)和自身業(yè)務(wù)發(fā)展，需要統(tǒng)一目標(biāo)和數(shù)據(jù)治理的標(biāo)準(zhǔn)，制定面向未來的頂層架構(gòu)設(shè)計，這是非常大的挑戰(zhàn)。
二是，數(shù)據(jù)管理和數(shù)據(jù)治理的挑戰(zhàn)，會給制造企業(yè)帶來沉重的負(fù)擔(dān)。
例如數(shù)據(jù)分散存儲，共享困難，數(shù)據(jù)缺乏分類整理，數(shù)據(jù)不可視化，數(shù)據(jù)的查找和使用困難；這需要跨部門的協(xié)作，打破部門壁壘，對組織結(jié)構(gòu)和企業(yè)文化提出了挑戰(zhàn)。
企業(yè)投入大量的資源和人力，包括技術(shù)解決方案的采購、系統(tǒng)的實施和維護(hù)，以及相關(guān)人員的培訓(xùn)和招聘等，如何實現(xiàn)在有限的預(yù)算內(nèi)高效地數(shù)據(jù)管理和數(shù)據(jù)治理是一個重要挑戰(zhàn)。
三是，數(shù)據(jù)和信息單位存儲成本過高的挑戰(zhàn)。
數(shù)據(jù)多樣化、類型多樣，信息存儲成本也不一樣，如果沒有根據(jù)信息價值的密度進(jìn)行有效地存儲，就會出現(xiàn)錯配和浪費嚴(yán)重。例如：AI分析場景，算力成本非常高，GPU成本非常高，等待數(shù)據(jù)的成本非常高；對于信息價值密度相對較低，則需要利用高密存儲和冷存儲發(fā)展，利用創(chuàng)新的技術(shù)，進(jìn)行集約化管理，從而減輕企業(yè)的負(fù)擔(dān)。
無論是業(yè)務(wù)層面，還是國家政策層面，發(fā)展新質(zhì)生產(chǎn)力都成為重要目標(biāo)。新技術(shù)深化應(yīng)用, 離不開數(shù)據(jù)要素的應(yīng)用，而存力為數(shù)據(jù)要素的分析和挖掘奠定了堅實基礎(chǔ)。沒有強大的存力，數(shù)據(jù)要素的價值將難以充分釋放，新質(zhì)生產(chǎn)力也將失去重要支撐。杉巖數(shù)據(jù)作為國家級專精特新“小巨人”企業(yè)，又是廣東省科學(xué)技術(shù)廳認(rèn)定的“廣東省分布式智能存儲工程技術(shù)研究中心”，充分發(fā)揮“小巨人”企業(yè)及“工程中心”在產(chǎn)業(yè)技術(shù)研究開發(fā)和科技成果轉(zhuǎn)化，支撐制造業(yè)新質(zhì)生產(chǎn)力發(fā)展的示范引領(lǐng)作用。
我們以突破制約制造產(chǎn)業(yè)發(fā)展存力的關(guān)鍵共性技術(shù)為核心，重點圍繞新能源汽車產(chǎn)業(yè)鏈、半導(dǎo)體產(chǎn)業(yè)鏈、消費電子產(chǎn)業(yè)鏈等提供數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)服務(wù)。
在不同的行業(yè)應(yīng)用場景中，存力作為基礎(chǔ)設(shè)施，具有很重要的作用，以制造行業(yè)為例，在生產(chǎn)質(zhì)量管理中的表現(xiàn)尤為明顯：
?質(zhì)量檢測是確保產(chǎn)品質(zhì)量和客戶滿意度的關(guān)鍵環(huán)節(jié)。例如，汽車質(zhì)量管理體系提出，生產(chǎn)者應(yīng)當(dāng)建立并保存汽車產(chǎn)品設(shè)計、制造、標(biāo)識、檢驗等方面的信息記錄，保存期不得少于15年。工信部印發(fā)《智能制造典型場景參考指引》中提出：面向質(zhì)量數(shù)據(jù)管理、質(zhì)量問題追溯、質(zhì)量優(yōu)化等業(yè)務(wù)活動，針對質(zhì)量數(shù)據(jù)不完整、追溯難度大等問題，構(gòu)建質(zhì)量管理系統(tǒng)，應(yīng)用條碼、二維碼、RFID、5G、標(biāo)識解析、區(qū)塊鏈等技術(shù)，集成分析原料、設(shè)計、生產(chǎn)、使用等質(zhì)量相關(guān)數(shù)據(jù)，實現(xiàn)產(chǎn)品全生命周期的質(zhì)量精準(zhǔn)追溯和優(yōu)化改進(jìn)。
在先進(jìn)高端制造業(yè)，AI工業(yè)質(zhì)檢等新興技術(shù)賦能智能制造加速轉(zhuǎn)型。企業(yè)往往面臨存儲空間受限、存儲成本高昂、數(shù)據(jù)分散難整合、缺少數(shù)據(jù)管理機制、質(zhì)量追溯周期冗長、質(zhì)量分析價值難發(fā)揮等諸多挑戰(zhàn)。
杉巖數(shù)據(jù)通過在制造行業(yè)場景持續(xù)的技術(shù)研發(fā)投入和探索實踐，創(chuàng)新推出行業(yè)首款檢測數(shù)據(jù)管理領(lǐng)域工業(yè)軟件——杉巖檢測數(shù)據(jù)管理系統(tǒng)IDM，解決海量質(zhì)量檢測數(shù)據(jù)集中存儲、高效管理、深度應(yīng)用的問題，通過對檢測數(shù)據(jù)的全生命周期管理，優(yōu)化品質(zhì)管理流程，幫助智能制造企業(yè)快速構(gòu)建一套更高效質(zhì)量管理、更敏捷數(shù)據(jù)管理以及更低TCO的海量檢測數(shù)據(jù)管理系統(tǒng)。
杉巖數(shù)據(jù)在技術(shù)創(chuàng)新、行業(yè)場景應(yīng)用方面的探索和實踐，攻克了制造業(yè)產(chǎn)線檢測數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)檢索、數(shù)據(jù)壓縮、數(shù)據(jù)全生命周期管理等諸多重大技術(shù)難題，助推新質(zhì)生產(chǎn)力加速發(fā)展。
