偏见是你对世界的看法，分析并解决问题才是与世界相处的正确方式。
IT产业发展了半个世纪以来，发展变化一直很快，但核心的总有几个不变：大体上，计算性能沿着摩尔定律在发展；数据存储在变得更快、更稳定、更高效的同时，尽可能的降低成本；让数据出现在计算存在的地方就组成了功能服务，让服务出现在业务需要的地方就创造了价值。
提起IBM，大家都觉得这是一家老牌公司，而云计算是大热门，代表当下最先进的发展方向，这其实就是一种偏见。实际上，IBM不仅自己有云计算技术服务，而且原来很多技术都是现在云计算在用的技术，虽然IBM的牌子久远了点，但它的技术服务在新的时代下，正在以新的面貌焕发新的活力。
最近几个案例中，让我看到了IBM的“新”的活力，让我们意识到，企业数据存储的难题，终归是万变不离其宗，如果大象在跳舞，那存储业务上的新变化就是大象的舞步。
IBM存储在新行业——互联网行业的突破
2020年新冠疫情期间，许多社会活动转到了线上，线上业务流量激增，和许多互联网公司一样，百度智能云也在加班加点疯狂扩容，云计算的海量规模意味着高昂的存储成本，所以，更强调精打细算，因为任何创新和成本上的节省都能带来巨大收益。
2020年，在百度云海量冷数据处理场景的扩容项目中，百度云选择了业界流行的IBM TS4500 企业级存储解决方案，该方案融合了IBM Spectrum Scale、Spectrum Archive 和 Tape 介质, 构建了EB级海量数据存储服务，使用了大约10万盘磁带存储900多PB数据，相较于普通存储，整体存储成本降低了84%，收益还是非常可观的。
用IBM存储来降低成本的说法其实比较新颖，一直以来，IBM存储都是服务于大型企业，以稳定著称，但也以价格昂贵为人所诟病，但以IBM存储来降低成本的说法还是挺令人眼前一亮的。
有趣的是，在媒体“口诛笔伐”中，被宣判“已死”的多年后，磁带似乎越来越重要了，成为许多公有云服务中不可或缺的一部分，最新的LTO 9磁带更是将单盘磁带容量提升到了18TB，可见，磁带是正在快速发展的，并且得到了云厂商重用的技术。
使用IBM的归档存储技术之前，百度智能云的对象存储分为高性能存储、标准存储和低频存储，这些其实是基于磁盘的。相比之下，有些客户提出需要更高的性价比、保存时间更长的存储产品与服务。此时引入IBM的技术则为百度智能云打造下一个阶梯的存储产品带来了能力补充，补齐了百度智能云存储产品矩阵的最后一块“积木”。
IBM归档存储适用于多种应用场景。在IBM的帮助下，百度智能云在过去一年中积累了丰富的业务应用场景。另外还有石油勘探、医疗影像、基因测序分析和物联网相关的数据等也可以放在归档存储上。
互联网公司对于技术其实是非常挑剔的，在与IBM为期几年的对接过程中，经过数不清的测试验证后，最终才选择了用IBM，除了磁带归档存储以外，还用了IBM Spectrum Scale（原GPFS）来打破百度在各个系统业务间的数据孤岛，使得数据能在各个业务系统间流动。
如果说用磁带主要是为了节省成本，那么使用Spectrum Scale则充分显示出经典存储方案在面对新场景时候所焕发出的活力，令人感觉非常的新颖，原来，IBM不仅有服务于许许多多传统行业用户的能力，还能和许多互联网公司一起协作创新。
IBM存储在互联网公司的应用令人眼前一亮，乍一看觉得很新鲜，但据了解，其实许多知名的互联网公司也在用IBM存储方案，只是由于应用在后台当中，并不能被用户看到。而这次，百度智能云算是揭开了IBM存储在互联网行业应用的面纱。
IBM存储在AI新场景上的突破
某 IT 独角兽公司是一家边缘人工智能芯片创新者，作为一家边缘人工智能芯片企业，它有大量数据需要用于人工智能机器学习场景，为此，该公司构建了数据平台，但是随着不断发展，累计的数据越来越多，需要的GPU资源也越来越多，如何让数据出现在算力所在的地方开始成了挑战。
据了解，该公司虽然自己购置了很多GPU资源，但也经常需要借助云端的GPU资源来满足高峰算力需求，为了尽可能的降低成本，该公司会经常看多家云服务商的GPU资源报价，谁家便宜就用谁的，虽然GPU资源可以随便选，但训练所需的数据并不能轻松地跟着GPU跑。
了解机器学习的人都知道，机器学习训练过程中很大一部分时间都在准备数据，数据的问题很严重，在IBM Spectrum Scale的帮助下，该公司能将存放在本地的数据按需迁移到云上，能做到算力在哪里，数据就在哪里，Spectrum Scale的数据调度能力很好地支撑了多云环境需求。
在调度的时候，Spectrum Scale可以只调度计算需要的那部分数据，既节省了在云上存储的成本，也降低了传输的带宽成本，据了解，Spectrum Scale将私有云与公有云之间专用链路带宽利用率提升到了90%以上，可谓是物尽其用。
另外一方面，由于该公司原本的各个系统业务间的数据时相互独立的，也就是形成了许多数据孤岛，随着数据量的增长，原本使用的开源的解决方案在管理复杂度，以及性能方面都遇到了不少问题。
在Spectrum Scale的帮助下，该公司不仅构建了统一命名空间的存储资源池，而且还打破了数据孤岛，随着数据规模的持续扩大，Spectrum Scale在性能和扩展能力的水平也逐渐显现出来，这点很重要，而且，也这是最早该公司选择IBM存储方案时的根本原因。
IBM存储的另一大价值也是在于用磁带归档存储Spectrum Archive来降低数据存储成本，在该公司的场景中，大体上也有80%的数据是不太常用的数据，这部分存放在磁带上成本还是高，将海量冷数据迁移到磁带库之后，存储成本降低了超过80%。
值得一提的是，将数据迁移到磁带上的操作是Spectrum Scale自动化完成的，数据迁移过程无需人为操作，没有任何额外管理负担，操作过程可以做到完全业务无感知，也不影响性能。
该公司成立于2015年，做的人工智能领域也是当下非常火热的技术风口，这样的技术型公司也选择了IBM，看重了IBM对于降低其数据平台成本，优化使用体验方面的价值，而IBM对于该公司数据平台的支撑能力，看到了原有技术在新场景下的价值。
IBM存储在传统优势领域的新突破
新行业，新场景固然新颖，其实，IBM在传统优势领域的创新实践中也有突破。
得益于民营经济的肥沃土壤，浙江省台州市的民营经济发展壮大，催生了包括民泰银行在内本土城商行，民泰商业银行于2006年正式转制为城市商业银行，是一家专门从事小微金融服务的专营银行，主要面向小微企业和城乡居民提供简单、方便、快捷的金融服务。
在提升客户体验方面，民泰商业开设了远程视频银行的服务形式，让客户通过手机视频连线银行来办理业务，或者让银行客户经理携带智能终端上门服务，让客户完全不跑银行，或者最多跑一次银行来办理业务，在疫情期间，这一服务形式更是深受欢迎。
远程视频银行的服务其实涉及多个业务系统的交互，涉及大量数据，而且要确保视频交互过程当中有顺畅的使用体验，需要业务快速运转，为此，这套架构当中首先使用了IBM FlashSystem全闪存来提升数据处理和存储的性能和效率。
远程视频银行的服务只是表象，在背后由于有了新技术的支持，才把业务流程的操作变得更加便捷了，从而大大提升了银行用户的服务体验。由于民泰银行还利用了AI和大数据能力开发了很多风险控制模型，将模型评分作为信贷审核的参考标准，以此来提升银行的风险管控能力。
为了支撑以上创新，民泰银行也采用了云计算服务。不过，银行最根本的要求还是稳定，非常重视数据管理的安全性，在整体架构上，民泰银行的核心系统一直运行在IBM的Power服务器和DS8000系列存储之上，在业务连续性方面，民泰银行通过两地三中心架构构建了业务数据备份和快速恢复能力。
不难看出，民泰银行的各种创新其实都伴随着大量数据的产生，特别是视频、照片等非结构化数据大量增加，这为数据存储和数据管理带来了新的挑战，为此，民泰银行选择了IBM存储虚拟化平台SVC实现了统一管理和统一监控。此外，为了满足合规要求，民泰银行还将归档数据传到了异地云对象存储。
IBM存储的“新”能力，大象的舞步
百度智能云使用IBM存储来降低成本，打破业务数据孤岛；某 IT 独角兽公司使用IBM存储来支撑AI这样的新兴工作负载；民泰银行的案例中，IBM同时支撑了企业IT架构的敏态和稳态。
以上的案例中，都看到IBM存储的新的方面的能力，而不只是支撑传统应用，如果大象能跳舞，IBM存储新的能力就是大象的舞步。
2015年，IBM发布了首款纯软的存储解决方案——Spectrum光谱系列，IBM开始强调软件定义存储的能力，软件能力的包装和落地应用，都体现了IBM存储的灵活性，但这并不意味着只是交付软件方案就行，而是要依照具体的需求做出定制化方案，这是IBM服务企业用户的优势所在。
都说让大象跳舞很难，但只就存储来说，以需求为根本，IBM以存储产品的能力和服务满足用户需求，本身并不难，IBM这些新变化让我们看到，IBM不只是一家传统存储阵列厂商，而是真正能跟随时代而变化，能伴随用户需求而变，这就是所谓万变不离其宗。
