随着AI基础设施市场的爆发式增长,数据管理和存储对企业实现AI投资价值变得至关重要。企业面临的挑战包括数据分散、传统架构限制和混合云环境的复杂性,需要灵活、可扩展的存储解决方案来有效管理和提取数据价值。
IBM 为其长期存在的并行文件系统 Storage Scale 添加了内容感知功能,增强了其检索增强生成(RAG)能力。这一升级支持 Nvidia 的 AI-Q 蓝图和 NeMo Retriever 微服务,可以从多种数据源中提取信息,并自动更新向量数据库。这项技术将嵌入到 IBM Fusion 的下一次更新中,预计在第二季度正式发布。
随着人工智能、物联网和边缘计算的进步,数据创建的扩展正在重塑数据中心的存储管理方式。虽然固态硬盘(SSD)在速度讨论中占主导地位,但成本效益的可扩展性仍依赖于创新的硬盘驱动器(HDD)技术。对于寻求增强存储需求的组织,叠瓦式磁记录(SMR)可以在与传统磁记录(CMR)HDD相比,提供高达20%的额外存储容量,且几乎没有额外成本。随着超大规模数据中心的采用加速,SMR可以帮助实现可持续性和存储经济学的必要基准。
Hyperspace是一款为Mac用户设计的创新应用,能够在不删除文件的情况下释放磁盘空间。由知名程序员John Siracusa开发,这款应用利用Mac系统的特殊功能,为用户提供了一种简单、无风险的方式来优化存储空间。Hyperspace既适用于内置存储,也支持使用APFS的外接存储设备,为用户提供了灵活的存储管理选择。
AI 的发展与数据存储息息相关。高质量的数据是 AI 算法的基础,而有效的存储技术则是数据管理的关键。AI 与存储技术相互促进:AI 推动存储创新,存储技术支持 AI 发展。未来,存储密度提升将满足 AI 对大容量存储的需求,同时 AI 也将助力存储设计优化,形成良性循环。
微软在其 Azure 公有云服务中为基于磁盘的文件存储提供了更可预测的计费成本,类似于其 SSD 文件存储的配置风格,作为其按需付费系统的替代方案。Azure 现有两种文件存储层级:使用快速 SSD 存储的高级层和使用硬盘驱动器(HDD)的标准层。标准层现已推出 Provisioned v2 计费模型,用户可以单独为文件共享配置容量、IOPS 和吞吐量,提供更高的灵活性和可预测性。
本文讨论了 AI 训练和推理中文件存储与对象存储的应用。VDURA CEO Ken Claffey 认为两者都有其作用,不应简单地选择其一。VDURA 提供了一种混合解决方案,结合了对象存储的可扩展性和文件系统的高性能,以满足 AI 工作负载的多样需求。文章强调了在 AI 基础设施中平衡不同存储技术的重要性。
VDURA 将在即将举行的能源高性能计算会议上展示其新一代数据平台。该平台旨在通过更快的数据处理、更高的数据持久性和更易用的混合环境,加速能源行业创新。VDURA 的混合架构结合了 HDD 和 SSD 的优势,为能源公司提供了优化运营成本和工作负载速度的解决方案。
超大型 AI 语言模型训练正转向使用对象存储而非文件存储。这种转变源于 AI 模型训练的特殊需求和对象存储的优势。对象存储在数据摄取、准备、模型训练和部署等阶段都表现出独特优势,能更好地满足大规模并行计算和海量数据处理的需求,同时具有更高的成本效益和可扩展性。
RiverMeadow 升级其平台,支持将 Pure Storage 的本地 Evergreen 存储即服务扩展到云端。用户现可通过 RiverMeadow 访问 Azure、AVS 和 AWS 上的 Pure Cloud Block Store,实现工作负载迁移优化,提高云存储灵活性和弹性,同时降低成本。两家公司的合作旨在为企业提供更高效、可扩展的云迁移解决方案。
生成式人工智能正如洪水般席卷IT世界,对存储技术产生深远影响。从内存-存储接口到更高层面,AI正在改变块存储、文件存储和对象存储的方方面面。本文分析了生成式AI改变存储世界的六大方式,包括GPU直连、存储介质创新、数据库向量化、数据保护等方面,展望了存储技术在AI时代的发展趋势。
Datafy.io 作为一家专注于降低 Elastic Block Storage (EBS) 成本的 FinOps 创业公司,推出了自动化的 EBS 优化引擎。该引擎能够根据实际使用情况自动调整 EBS 卷大小,帮助客户仅为所需资源付费,从而实现显著的成本节约。Datafy 的解决方案易于使用,无需开发人员参与部署,为企业提供了一种简便高效的 AWS 存储成本管理方式。
DDN获得3亿美元投资,计划将其在超级计算领域的领先优势转化为AI存储解决方案。该公司正在调整其高性能计算产品线以适应AI工作负载的需求,并承诺将于2月20日发布重大公告。这笔投资反映了AI基础设施市场的快速增长和投资热潮。